★ 3
LLM临床分诊建议基准：与医生专家对比
研究构建了包含6000多个临床场景、7000条医生标注与22.5万条模型回复的基准，在保持临床情境不变的文本扰动下比较LLM与执业医师的分诊建议。结果显示LLM在基线时更易推荐不必要医疗，且在输入扰动下倾向加剧，对性别与语气变化比人类更敏感。作者呼吁以专家医生行为为基准开展面向部署的评估。
arXiv cs.AI32 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究构建了包含6000多个临床场景、7000条医生标注与22.5万条模型回复的基准，在保持临床情境不变的文本扰动下比较LLM与执业医师的分诊建议。结果显示LLM在基线时更易推荐不必要医疗，且在输入扰动下倾向加剧，对性别与语气变化比人类更敏感。作者呼吁以专家医生行为为基准开展面向部署的评估。