大语言模型在整合动态更新的医学知识时存在系统性缺陷

最新论文提出 ChronoEvo 基准，测试显示大语言模型在医学指南更新时普遍存在能够识别新指南却无法完整遵从的脱节现象。主测模型识别修改的比例达 90.8%，但仅有 58.5% 在临床建议中完全整合了新指南，形成 32.3 个百分点的认知整合差距，且该现象在 14 个测试模型中普遍存在。提高修订内容显著性的干预手段虽能减少过时内容留存，但未能显著提升完整整合的比例。