临床LLM三动作评估框架提出

据arXiv论文摘要，Weili Wu与Mingzhan Yang提出DECIDE/ASK/DEFER框架，用于评估临床大语言模型在证据不完整时自主决策、获取信息或转交临床人员，并以盲化协议隐藏证据完整性元数据。 研究基于DDXPlus构建200个匹配临床证据状态，评测Qwen、Gemini和GPT。相同证据下，三类模型在137个状态中的行动选择不一致；该结果目前来自摘要所述评测，尚不代表真实临床环境中的独立验证。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。