arXiv 人工智能· Abinitha Gourabathina, Haoran Zhang, Yuexing Hao, Walter Gerych, Marzyeh Ghassemi·· 7 小时前AI 评分43
对比执业医师：LLM 临床分诊推荐基准评测
Sense and Sensitivity: Benchmarking LLM Clinical Triage Recommendations with Physician Experts
AI 导读
研究人员构建了一个包含 6,000 多个临床场景、7,000 条医生标注和 225,000 条模型响应的基准，用于评测 LLM 在临床分诊中的可靠性。评测显示，LLM 在基线情况下比执业医生更易推荐不必要的医疗护理，且该倾向在文本扰动下进一步加剧。同时，LLM 的分诊建议对性别和语气等临床无关变化表现出比人类医生更高的敏感性。
来源：arXiv 人工智能 · arxiv.org