两篇新研究论文探讨了大型语言模型 (LLM) 在敏感领域的应用和评估。第一篇论文提出了一种以人为本的方法来对 LLM 的育儿建议进行基准测试，使用多维度评分标准，并在英语和中文的 100 个场景中评估了 15 个模型。第二篇论文研究了 LLM 在儿科临床会诊中检测共同决策行为的有效性，发现监督学习模型优于零样本提示，并强调了数据泄露问题。 AI
影响 这些研究强调了在育儿和医疗保健等高风险应用中，需要为 LLM 制定专门的评估框架，并为模型选择和开发提出改进建议。
排序理由 两篇在 arXiv 上发表的学术论文，详细介绍了 LLM 在敏感领域的新颖评估方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.14622v1 Announce Type: new Abstract: People are increasingly using large language models (LLMs) to seek advice, including for parenting. Parenting is a critical and socially sensitive domain. Thus, evaluating advice provided by LLMs requires indicators beyond aggregate…
arXiv:2608.14792v1 Announce Type: cross Abstract: Objectives: To determine whether zero-shot prompting of a large language model (LLM) is sufficient to detect shared decision-making (SDM) behaviors in real clinical encounters, and whether supervised learning adds value under pati…