LLM临床判断纵向更新不可靠
原文标题：Large language models exhibit unreliable updating of clinical judgment as patient evidence evolves
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。
研究利用电子病历中匹配的ICU轨迹评估LLM纵向信念更新，发现以先前判断为条件时，估计变化反而更常增大预测误差。控制实验揭示两种失效模式：对恶化证据反应强于对等改善证据，以及先验风险从10%升至90%时估计偏移26.2个百分点。提示词无法修复，EVLU方法揭示可靠性与覆盖率的权衡。
- 问题
- LLM在临床推理中能否随患者证据变化可靠地更新判断。
- 方法
- 用ICU匹配轨迹评估纵向信念更新，并以控制干预分离先验风险与证据不对称的影响。
- 结果
- 先验风险从10%升至90%使估计偏移26.2个百分点；提示词无法修复。
- 影响
- 临床部署中不能依赖LLM自行修正判断，需引入外部验证机制。
深读 · 结论先行AI 生成展开看要点与影响 ↓
研究显示LLM以先前判断为条件时更常增大预测误差，先验风险10%升至90%使估计偏移26.2个百分点。
- •用电子病历中匹配的ICU轨迹评估LLM纵向信念更新，结果在第二个终点上复现
- •以先前判断为条件时，估计变化反而更常增大而非降低预测误差
- •失效模式一：对恶化证据的反应强于对等量改善证据，headroom归一化后仍存在
- •失效模式二：当前证据固定时，先验风险从10%升至90%使估计偏移26.2个百分点
- •提示词无法修复；EVLU方法识别更少但更可靠的修正，揭示可靠性与覆盖率的权衡
为什么重要：临床等场景依赖模型随证据演进更新判断，这条指出该能力是独立于单次准确率的可靠性维度，且现有提示手段难以补救。
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。