研究人员推出DiagTrace,这是一个旨在评估大型语言模型(LLM)在交互式临床决策能力方面的新基准。与一次性提供所有患者信息的先前基准不同,DiagTrace通过要求LLM逐步获取信息来模拟真实的诊断过程。该基准由来自PubMed Central的510份病例报告构建而成,涵盖八个医学专业。使用DiagTrace对四种LLM进行的初步评估显示,它们在与临床过程保持一致、管理交互和保持效率方面存在权衡。 AI
影响 该基准有望推动LLM在医疗保健领域开发更适合交互式、循证式诊断任务的能力。
排序理由 该集群描述了一个用于评估LLM在特定领域能力的新的基准,该基准在一篇学术论文中提出。[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 →