English(EN) Hx2Dx: From Anamnesis to Diagnosis - A Multimodal Arena for Conversational Clinical Reasoning in LLMs

新基准测试大语言模型在模拟患者问诊中的临床诊断能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员开发了 Hx2Dx ARENA，一个旨在评估大语言模型（LLMs）在对话式临床推理能力的新基准。该基准模拟了诊断的迭代过程，包括病史采集、体格检查和测试解读，使用了来自《新英格兰医学杂志》的 1000 个临床病例。初步评估表明，与一次性提供所有信息的静态评估相比，LLMs 在这种交互式环境中的表现明显较差，凸显了它们在假设驱动的信息收集和知道该问什么问题方面的局限性。 AI

影响凸显了 LLMs 通过提问收集信息的能力局限性，这是安全集成到临床诊断中的关键一步。

排序理由该条目描述了一个用于在特定领域评估 LLMs 的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 37 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一个用于在特定领域评估 LLMs 的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Federico Ravenda, Mirko Cesarini, Daniele Montagnani, Volodymyr Karpenko, Antonietta Mira, Andrea Raballo · 2026-11-11 05:00

Hx2Dx：从病史询问到诊断——用于LLM对话式临床推理的多模态竞技场

arXiv:2611.14122v1 Announce Type: new Abstract: Large language models (LLMs) achieve expert-level diagnostic accuracy in static evaluations, where the model receives a curated vignette or case report that already condenses the diagnostically relevant findings. Such evaluations me…

本文如何被排名

报道来源 [1]

Hx2Dx：从病史询问到诊断——用于LLM对话式临床推理的多模态竞技场

相关实体

相关话题