Newest papers

From Prompt Rules to Golden Data Model: Production-Scale Generation of Personalized, Compliant Pharmaceutical Claims

Suyash Mishra, Qiang Li, Subhabrata Adak, Upender Phogat, Srikanth Patil, Satyanarayan Pati · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31519 · open-access PDF

Hindi

बड़े भाषा मॉडल (एलएलएम) का उपयोग अधिक से अधिक विनियमित उद्योगों जैसे दवाओं में डोमेन-विशिष्ट वाणिज्यिक और चिकित्सा सामग्री (जैसे दावे, बयान, और प्रचार वाक्यांश) उत्पन्न करने के लिए किया जाता है। हालांकि, इसके नियामक अनुपालन, तथ्यों की सटीकता और दर्शकों के विशिष्ट व्यक्तिगतकरण की सुनिश्चित करना एक प्रमुख चुनौती है। हम एक उत्पादन केस अध्ययन की रिपोर्ट करते हैं जो पूछताछ करते हैं कि क्या अनुपालन और व्यक्तिगतकरण सिग्नल को तत्काल स्तर के नियमों से रिकॉर्डिंग समय संरचित संदर्भ में स्थानांतरित करना फार्मास्युटिकल दावे उत्पन्न करने में सुधार करता है, Composer का उपयोग करते हुए, एक गोल्डन टूल पर बनाया गया एक स्थापित आ

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language models (LLMs) are increasingly used to generate domain-specific commercial & medical content (e.g., claims, statements, and promotional phrases) in regulated industries such as pharmaceuticals. However, ensuring its regulatory compliance, factual accuracy, and audience-specific personalization remains a major challenge. We report a production case study asking whether moving compliance and personalization signal from prompt-level rules into retrieval time structured context improves pharmaceutical claims generation, using Composer, a deployed internal tool built on a Golden

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange