热点事件持续更新
研究揭示大语言模型整合演进医学知识存在系统性缺陷
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv发表的一项最新研究提出了ChronoEvo基准，测试大语言模型整合动态更新医学知识的能力。研究发现，大模型在面对医学指南更新时，普遍存在能够识别新指南却无法完整遵从的脱节现象。测试数据显示，主测模型识别修改的比例达到90.8%，但仅有58.5%在临床建议中完全整合了新指南，形成了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。此外，提高修订内容显著性的干预手段虽能减少过时内容的留存，但未能显著提升模型完整整合新知识的比例。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
最新研究提出ChronoEvo基准，揭示大模型识别新医学指南与实际遵从间存在系统性脱节。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 人工智能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。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。