研究发现，医疗领域大语言模型在跨语言事实核查方面存在显著差异

一篇新的arXiv论文强调，在回答医疗相关问题时，大语言模型（LLMs）在不同语言之间存在显著的事实准确性差异。研究人员从维基百科创建了一个多语言数据集，以分析跨语言覆盖范围和LLM响应的一致性。研究发现，即使在其他语言提示下，LLMs也倾向于更紧密地与英文维基百科内容保持一致。然而，在推理过程中提供来自非英文维基百科的上下文信息，可以提高与文化相关知识的事实一致性，这为在医疗领域构建更公平的多语言AI系统指明了方向。 AI

影响 强调了改进医疗AI多语言能力的需求，以确保信息的公平获取。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了LLM性能的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• English
• German
• Ipek Baris Schlicht
• Italian
• Large Language Models
• MultiWikiHealthCare
• retrieval-augmented generation
• Standard Chinese
• Turkish
• Wikipedia

• 论文
• 安全
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →