一篇新发表在arXiv上的研究论文介绍了一个用于临床大语言模型（LLMs）的“DECIDE/ASK/DEFER”框架，以更好地处理不完整证据。这种方法超越了简单的“DECIDE/ABSTAIN”表述，明确评估了信息获取的必要性。在使用Qwen、Gemini和GPT对200个临床场景进行测试时，模型在行动选择上表现出显著差异，在137个状态下存在分歧。研究发现，Qwen选择的信息比诊断正确性对后续决策的影响更明显，并观察到安全性和自主性之间的权衡。 AI
影响 这项研究强调了在临床环境中，大语言模型需要评估证据的完整性，这有可能提高诊断安全性和决策能力。
排序理由 研究论文发表在arXiv上，详细介绍了在临床背景下评估大语言模型的新框架。[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 →
