研究人员开发了NPC-RubricBench,这是一个旨在评估大型语言模型(LLMs)在纵向癌症护理中的新基准,特别关注鼻咽癌。该基准源自405名患者的记录,评估了跨越六个护理阶段的多阶段临床推理,并包含超过17,000个患者特定标准。对30个LLMs的评估显示,强大的诊断性能并未持续转化为改善的下游护理,不同的失败模式在各个护理阶段占主导地位。研究还强调,提示的特异性显著影响LLM的性能,详细的提示提高了决策质量,但可能降低证据的忠实度和安全性依从性。 AI
影响 强调了需要专门的基准来确保LLM在复杂、纵向医疗应用中的可靠性。
排序理由 学术论文,介绍了一个用于在特定医疗背景下评估LLM的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- large language models
- Litmaps
- LLMs
- NPC-RubricBench
- 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 →