一篇题为“Verifiable by Construction”的新研究论文评估了大型语言模型(LLMs)在临床问答中提供可验证引用的能力。研究发现,虽然大多数模型能够为超过90%的声明附加逐字引用,但这些引用往往无法完全证实声明。例如,Claude Opus-5 为其98.0%的声明生成了逐字引用,但仅完全证实了37.1%。这项研究突显了LLMs在构建可靠的临床问答系统方面存在的能力差距。 AI
影响 突显了LLM在需要可验证信息的应用中可靠性方面的关键差距,影响了对AI在临床决策支持中信任度。
排序理由 评估LLM在特定任务能力的と言う研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- claude-haiku-4.5
- Claude Opus-5
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
- Verifiable by Construction
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →