Buchumschlag

Conveying Imagistic Thinking in Traditional Chinese Medicine Translation: A Prompt Engineering and LLM-Based Evaluation Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Han, Jiatong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conveying Imagistic Thinking in Traditional Chinese Medicine Translation: A Prompt Engineering and LLM-Based Evaluation Framework
von: Han, Jiatong
Veröffentlicht: (2025)

Intelligent Understanding of Large Language Models in Traditional Chinese Medicine Based on Prompt Engineering Framework
von: Chen, Yirui, et al.
Veröffentlicht: (2024)

TCM-5CEval: Extended Deep Evaluation Benchmark for LLM's Comprehensive Clinical Research Competence in Traditional Chinese Medicine
von: Huang, Tianai, et al.
Veröffentlicht: (2025)

Exploring the Comprehension of ChatGPT in Traditional Chinese Medicine Knowledge
von: Yizhen, Li, et al.
Veröffentlicht: (2024)

TCMD: A Traditional Chinese Medicine QA Dataset for Evaluating Large Language Models
von: Yu, Ping, et al.
Veröffentlicht: (2024)

Traditional Chinese Medicine Case Analysis System for High-Level Semantic Abstraction: Optimized with Prompt and RAG
von: Xu, Peng, et al.
Veröffentlicht: (2024)

MTCMB: A Multi-Task Benchmark Framework for Evaluating LLMs on Knowledge, Reasoning, and Safety in Traditional Chinese Medicine
von: Kong, Shufeng, et al.
Veröffentlicht: (2025)

TCMBench: A Comprehensive Benchmark for Evaluating Large Language Models in Traditional Chinese Medicine
von: Yue, Wenjing, et al.
Veröffentlicht: (2024)

Qibo: A Large Language Model for Traditional Chinese Medicine
von: Zhang, Heyi, et al.
Veröffentlicht: (2024)

Thinking Makes LLM Agents Introverted: How Mandatory Thinking Can Backfire in User-Engaged Agents
von: Li, Jiatong, et al.
Veröffentlicht: (2026)

An Improved Traditional Chinese Evaluation Suite for Foundation Model
von: Tam, Zhi-Rui, et al.
Veröffentlicht: (2024)

Jingfang: An LLM-Based Multi-Agent System for Precise Medical Consultation and Syndrome Differentiation in Traditional Chinese Medicine
von: Yang, Yehan, et al.
Veröffentlicht: (2025)

BianCang: A Traditional Chinese Medicine Large Language Model
von: Wei, Sibo, et al.
Veröffentlicht: (2024)

TCM-Ladder: A Benchmark for Multimodal Question Answering on Traditional Chinese Medicine
von: Xie, Jiacheng, et al.
Veröffentlicht: (2025)

DongYuan: An LLM-Based Framework for Integrative Chinese and Western Medicine Spleen-Stomach Disorders Diagnosis
von: Li, Hua, et al.
Veröffentlicht: (2026)

TCM-Eval: An Expert-Level Dynamic and Extensible Benchmark for Traditional Chinese Medicine
von: Cheng, Zihao, et al.
Veröffentlicht: (2025)

MFE-NER: Multi-feature Fusion Embedding for Chinese Named Entity Recognition
von: Li, Jiatong, et al.
Veröffentlicht: (2021)

Evaluating LLMs on Chinese Idiom Translation
von: Yang, Cai, et al.
Veröffentlicht: (2025)

ShizhenGPT: Towards Multimodal LLMs for Traditional Chinese Medicine
von: Chen, Junying, et al.
Veröffentlicht: (2025)

Comparative Study on the Discourse Meaning of Chinese and English Media in the Paris Olympics Based on LDA Topic Modeling Technology and LLM Prompt Engineering
von: Yu, Yinglong, et al.
Veröffentlicht: (2025)

TCM-3CEval: A Triaxial Benchmark for Assessing Responses from Large Language Models in Traditional Chinese Medicine
von: Huang, Tianai, et al.
Veröffentlicht: (2025)

From Metaphor to Mechanism: How LLMs Decode Traditional Chinese Medicine Symbolic Language for Modern Clinical Relevance
von: Tang, Jiacheng, et al.
Veröffentlicht: (2025)

TianHui: A Domain-Specific Large Language Model for Diverse Traditional Chinese Medicine Scenarios
von: Yin, Ji, et al.
Veröffentlicht: (2025)

Evaluating LLM-Based Goal Extraction in Requirements Engineering: Prompting Strategies and Their Limitations
von: Arnaudo, Anna, et al.
Veröffentlicht: (2026)

Tianyi: A Traditional Chinese Medicine all-rounder language model and its Real-World Clinical Practice
von: Liu, Zhi, et al.
Veröffentlicht: (2025)

LLM Reasoning for Machine Translation: Synthetic Data Generation over Thinking Tokens
von: Zebaze, Armel, et al.
Veröffentlicht: (2025)

PEEM: Prompt Engineering Evaluation Metrics for Interpretable Joint Evaluation of Prompts and Responses
von: Hong, Minki, et al.
Veröffentlicht: (2026)

Translation Entropy: A Statistical Framework for Evaluating Translation Systems
von: Gross, Ronit D., et al.
Veröffentlicht: (2025)

Latent Debate: A Surrogate Framework for Interpreting LLM Thinking
von: Chen, Lihu, et al.
Veröffentlicht: (2025)

Machine Translation Evaluation Benchmark for Wu Chinese: Workflow and Analysis
von: Yu, Hongjian, et al.
Veröffentlicht: (2024)

Leveraging Group Relative Policy Optimization to Advance Large Language Models in Traditional Chinese Medicine
von: Xie, Jiacheng, et al.
Veröffentlicht: (2025)

Enhancing the Traditional Chinese Medicine Capabilities of Large Language Model through Reinforcement Learning from AI Feedback
von: Yu, Song, et al.
Veröffentlicht: (2024)

BenCao: An Instruction-Tuned Large Language Model for Traditional Chinese Medicine
von: Xie, Jiacheng, et al.
Veröffentlicht: (2025)

BatchGEMBA: Token-Efficient Machine Translation Evaluation with Batched Prompting and Prompt Compression
von: Larionov, Daniil, et al.
Veröffentlicht: (2025)

How and Where to Translate? The Impact of Translation Strategies in Cross-lingual LLM Prompting
von: Gupta, Aman, et al.
Veröffentlicht: (2025)

Multilingual LLM Prompting Strategies for Medical English-Vietnamese Machine Translation
von: Vo, Nhu, et al.
Veröffentlicht: (2025)

Do Activation Verbalization Methods Convey Privileged Information?
von: Li, Millicent, et al.
Veröffentlicht: (2025)

Optimizing Machine Translation through Prompt Engineering: An Investigation into ChatGPT's Customizability
von: Yamada, Masaru
Veröffentlicht: (2023)

Learning to Translate from Soft to Hard LLM Prompts
von: Kongsomjit, Pitipat, et al.
Veröffentlicht: (2026)

Chain-of-Thought Prompting for Speech Translation
von: Hu, Ke, et al.
Veröffentlicht: (2024)