一项新的基准测试——肿瘤学决策边界基准测试（ODBB）——已被开发出来，用于评估前沿大语言模型（LLMs）在肿瘤学中的决策能力。研究发现，即使是包括GPT-5.5和Gemini 3.1 Pro Preview在内的先进LLMs，在指南一致性和病例特异性决策方面也面临挑战，所有评估模型在相当一部分项目上都回答错误。在选择指南路径之间存在一个持续存在的盲点，这表明改进需要架构干预，而不是更多训练数据。研究强调，模型质量不再是临床LLM部署的主要瓶颈，而是依赖单一模型做出临床决策的假设。 AI
影响 强调了LLM在肿瘤学等高风险应用中决策能力的严重局限性，并表明需要进行架构更改以实现安全部署。
排序理由 学术论文，详细介绍了新的基准测试和LLM评估。[lever_c_demoted from research: ic=1 ai=1.0]
- Cohen's $\kappa$
- Gemini 3.1-pro-preview
- GPT-5.5
- large language models
- NCCN Guidelines Insights: Non-Small Cell Lung Cancer, Version 4.2016.
- Oncology Decision Boundary Benchmark
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
