大型语言模型能模拟出合理的患者，但无法代表真实人群

arXiv上发表的一项新研究表明，大型语言模型在被要求模拟心理健康患者时，能够生成个体上合理的病例，但无法代表真实的人群。研究人员测试了GPT-4o mini、Gemini 3 Flash、DeepSeek-V3和GLM-4.7等模型根据人口群体生成患者档案的能力。虽然个体患者模拟在很大程度上符合诊断标准，但聚合后的人群却显示出显著的偏差，包括症状评分虚高、人口统计学差异扭曲以及患者数据再生不稳定。研究人员将这种差异称为“连贯性-保真度分离”。 AI

影响 由于人群层面的不准确性，凸显了在心理健康模拟中使用大型语言模型的潜在风险。

排序理由 该集群包含一篇详细介绍大型语言模型能力研究结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• DeepSeek-V3
• DSM-5
• Gemini 3 Flash
• GLM-4.7
• GPT-4o mini
• Patrick Keough
• US National Health and Nutrition Examination Survey

• 论文
• 安全

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