一篇新的arXiv论文揭示,包括GPT-5.5、Qwen3-4B和Ministral 3 8B在内的大型语言模型在医学验证任务中的证据聚合方面存在困难。尽管这些模型能够正确识别共同的试验谱系,但在综合信息时,它们倾向于过度依赖来自同一试验的出版物。在多个来源家族中都观察到了这种行为,尽管一项指示对研究进行分组的特定指令减少了GPT-5.5在某些家族中的过度依赖。研究结果突显了模型识别研究谱系的能力与其有效聚合证据的能力之间的差异。 AI
影响 凸显了LLM在医学验证等复杂任务中的推理能力存在关键差距,可能影响其在高风险应用中的可靠性。
排序理由 研究论文,详细说明了LLM在证据聚合方面的局限性。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- GPT-5.5
- Hugging Face
- Influence Flower
- Litmaps
- Ministral 3 8B
- Qwen3-4B
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →