一篇新近发表在arXiv上的研究质疑了《Nature Medicine》上一篇关于ChatGPT Health不适用于紧急分诊的论文的方法论。研究人员认为,原研究的“考试式”格式限制了输出并阻止了澄清性提问,导致对AI能力的结论不准确。他们自己的实验使用了自然化的患者信息和各种输出格式,表明评估格式而非模型固有的能力,显著影响了测量到的分诊失败率。 AI
影响 强调了在评估AI安全性,特别是健康应用方面,采用现实评估格式的关键需求。
排序理由 该聚类包含一篇提出新研究发现并批评现有方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →