★ 4
评分量表漏检医疗 AI 幻觉盲区
研究构建了医疗幻觉类型分类与经临床医生验证的错误注入流水线，在 HealthBench、HealthBench Professional 和 LiveMedBench 上测试发现，具有临床相关性的幻觉常被评分量表漏掉，分数几乎不变。量表在显式核查事实时最有效，对未预期的额外错误则失效；初步的检索式…
arXiv cs.AI49 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究构建了医疗幻觉类型分类与经临床医生验证的错误注入流水线，在 HealthBench、HealthBench Professional 和 LiveMedBench 上测试发现，具有临床相关性的幻觉常被评分量表漏掉，分数几乎不变。量表在显式核查事实时最有效，对未预期的额外错误则失效；初步的检索式…
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…