InsClaimBench 评测大模型保险理赔裁决
原文标题：InsClaimBench: Benchmarking Insurance Claim Adjudication Across the Decision Chain
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。
研究发布 InsClaimBench，一个覆盖决策链的端到端保险理赔裁决基准，基于真实理赔材料与结构化保险规则，含车险、财产险、健康险 3780 个案例、86656 条原子规则判断。评测六个 LLM 发现可靠性沿决策链逐步衰减：赔付决策准确率 74%–80%，但决策与金额联合准确率降至 47%–73%，原子规则准确率 95% 而规则向量完全匹配最高仅 36.9%。
- 问题
- LLM 能否可靠完成保险理赔这类多步专业裁决。
- 方法
- 构建端到端基准 InsClaimBench，覆盖原子规则、裁决模块到赔付金额的完整决策链并加事实变体。
- 结果
- 赔付决策准确率 74%–80%，决策与金额联合准确率降至 47%–73%，原子规则准确率 95% 但规则向量完全匹配最高仅 36.9%。
- 影响
- 局部规则答对不等于案件判对，做理赔自动化的团队需按决策链而非单点准确率评估。
深读 · 结论先行AI 生成展开看要点与影响 ↓
InsClaimBench评测显示LLM理赔裁决沿决策链可靠性递减：赔付决策74%-80%，联合金额准确率降至47%-73%。
- •基准含车险、财产险、健康险3780个案例、375个案例族、86656条原子规则判断
- •评测六个LLM：赔付决策准确率74.23%-80.19%，决策与金额联合准确率降至47.54%-73.15%
- •原子规则准确率达95.48%，但规则向量完全匹配最高仅36.90%
- •局部表现强不代表案例级正确，最频繁的模块错误未必最关联最终决策失败
- •在受控事实变体下，这些不一致进一步表现为跨层级传播失败
为什么重要：保险理赔是高 stakes 专业决策场景，该基准揭示「单点准、链路错」的系统性风险，对评估与部署专业领域LLM有警示作用。
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。