研究：提示词中的国家信息会改变 LLM 慢性肾病筛查结果
原文标题：Does Country Matter? Evaluating Geographic Sensitivity of Large Language Models in Zero-Shot Chronic Kidney Disease Screening
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。
研究使用孟加拉国社区慢性肾病数据集，在保持临床输入不变的前提下将国家属性替换为 25 种全球语境，测试 Qwen3 8B 与 Mistral 7B。结果显示非 CKD 预测高度稳定，而 CKD 阳性预测明显敏感，Qwen3 的 CKD 预测数从基线 65 最低降至 50。国家语境的分组并不符合流行病学相似性，而更像模型内部国家 token 的表征方式。
- 问题
- 提示词里的国家信息是否会独立影响 LLM 的慢性肾病筛查判断。
- 方法
- 固定同一批临床输入，只替换 25 种国家语境，对比 Qwen3 8B 与 Mistral 7B 的预测变化。
- 结果
- Qwen3 的 CKD 阳性预测从基线 65 最低降到 50，非 CKD 预测基本稳定。
- 影响
- 临床筛查类应用不能把国家、地区等元信息当作无害上下文，需做语境敏感性测试。
深读 · 结论先行AI 生成展开看要点与影响 ↓
同一批患者数据仅改提示词中的国家，Qwen3 8B 的 CKD 阳性预测从 65 降至 50
- •孟加拉国社区 CKD 数据集含 284 人（112 例 CKD、172 例非 CKD），在 156 人共同正确子集上测试
- •固定全部临床输入，仅把国家属性替换为 25 种全球语境，测试 Qwen3 8B 与 Mistral 7B
- •非 CKD 预测几乎不变，CKD 阳性预测明显敏感：Qwen3 从基线 65 最低降到 50，Mistral 波动较小但不可忽略
- •国家语境的分组不符合流行病学相似性，更像反映各模型内部国家 token 的表征方式
为什么重要：说明临床筛查类 LLM 应用的输出可能被与病情无关的地理措辞系统性改变，部署方需把提示词语境纳入稳定性测试。
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。