研究实现医疗器械文档评估全流程确定性
原文标题：Making every stage of medical device document assessment with large language models deterministic
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文测试 14 个商用 LLM 部署，发现同一请求重复返回结果均存在差异，12 个部署连标签都会变化。作者构建从 OCR、分块、嵌入、索引、检索到推理全流程确定性的流水线，在血糖仪与输液泵文档上实现逐字节一致输出。
- 问题
- 商用LLM部署对同一请求重复返回结果不一致，医疗器械合规评估难以复现。
- 方法
- 测试14个商用部署的重复性，并构建从OCR、分块、嵌入、索引、检索到推理全流程确定性的流水线。
- 结果
- 14个部署均至少一个请求结果不同，12个连标签都变化；自建流水线在血糖仪与输液泵文档上跨重跑、中断、编辑、机器与天数返回逐字节一致输出。
- 影响
- 受监管场景部署LLM必须控制服务与调度层的不确定性，仅靠确定性采样设置不够。
深读 · 结论先行AI 生成展开看要点与影响 ↓
14个商用LLM部署重复同一请求均出现结果差异，12个连标签都会变；作者构建全流程确定性流水线实现逐字节一致。
- •测试14个商用部署（3家厂商7个模型、6条接入路径），使用各自接受的确定性采样设置
- •每个部署至少有一个请求返回不同评估，12个部署连Satisfied/Not satisfied标签都变化
- •在接口允许处降低推理并未减少差异，检索段落提示仅对最小模型消除差异
- •同一开源权重模型是否可复现，仅取决于服务方式
- •自建流水线在OCR、分块、嵌入、索引、检索、推理各阶段重跑均逐字节一致，覆盖血糖仪与输液泵文档
为什么重要：医疗器械合规评估要求判断可被他人复核，LLM输出不可复现会直接动摇其作为初步评估工具的可用性。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。