热点事件持续更新
研究团队发布LLM临床分诊可靠性评测基准
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月1日，研究人员在arXiv发布了一项针对大语言模型（LLM）临床分诊推荐可靠性的基准评测研究。该基准涵盖了6,000多个临床场景、7,000条医生标注以及225,000条模型响应。评测结果显示，在基线情况下，LLM比执业医生更容易推荐不必要的医疗护理，且在文本扰动下该倾向会进一步加剧。同时，与人类医生相比，LLM给出的分诊建议对患者性别、语气等临床无关因素表现出更高的敏感性。
AI 根据报道生成 · 5 小时前更新
最新进展10月1日 12:00
研究发布基准显示，LLM临床分诊更易推荐过度护理，且对性别与语气等无关变化更敏感。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 人工智能对比执业医师：LLM 临床分诊推荐基准评测
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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1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。