ChronoEvo 研究：LLM 识别医学指南更新达 90.8%，但仅 58.5% 真正采纳
原文标题：Large language models show systematic failures in incorporating evolving medical knowledge
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。
研究者构建 ChronoEvo，覆盖 12 类医学知识变更、1709 条推荐级修订，区分「识别修订」与「纳入临床建议」。主模型中 90.8% 回答识别了修订、80.2% 临床正确，但仅 58.5% 完全采纳，形成 32.3 个百分点的落差，并在 14 个模型上复现。推荐强度与患者资格变更最易导致沿用旧指南。
- 问题
- LLM 能否真正采纳不断修订的医学指南，而非仅识别更新。
- 方法
- 构建 ChronoEvo，含 12 类知识变更、1709 条推荐级修订，区分识别修订与纳入临床建议。
- 结果
- 主模型 90.8% 识别修订、80.2% 临床正确，但仅 58.5% 完全采纳，落差 32.3 点，14 个模型复现。
- 影响
- 医疗 LLM 的可靠性短板在知识落地而非知识识别，仅靠提示更新指南不足以解决。
深读 · 结论先行AI 生成展开看要点与影响 ↓
医学指南更新识别率90.8%，但仅58.5%真正采纳，落差32.3个百分点
- •ChronoEvo覆盖12类医学知识变更、1709条推荐级修订，区分识别与采纳两个环节
- •主模型90.8%识别修订、80.2%临床正确，但完全采纳仅58.5%
- •该落差在14个模型上复现，临床医生复核300条回答得40.3个百分点差距
- •推荐强度与患者资格变更最易导致沿用旧指南
- •修订显著性干预减少了过时内容保留，但未显著提升完全采纳率
为什么重要：说明临床LLM的可靠性瓶颈不在「知道更新」而在「用上更新」，评测与部署需把采纳率单列指标。
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。