两篇研究论文探讨了先进的大型语言模型（LLMs）在临床环境中的应用，但关于推理能力益处的结论有所不同。第一篇论文表明，具有推理能力的LLMs可以通过提示工程和自洽机制有效从非结构化临床笔记中提取社会健康决定因素（SDOH），达到了0.866的微F1分数。相比之下，第二篇论文发现，虽然一些LLMs在临床SOAP笔记生成方面显示出潜力，但启用高级推理实际上会降低GPT-5.4等某些模型的性能，这表明对于保真度敏感的应用来说，特定任务的评估至关重要。 AI
影响 LLM的推理能力在临床应用中产生的结果好坏参半，凸显了进行特定任务评估的必要性，而不是假设整体性能有所提升。
排序理由 两篇发表在arXiv上的学术论文，讨论了LLM在医疗保健领域的应用。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.13502v2 Announce Type: replace Abstract: Social Determinants of Health (SDOH) refer to environmental, behavioral, and social conditions that influence how individuals live, work, and age. SDOH have a significant impact on personal health outcomes, and their systematic …
arXiv:2605.24902v1 Announce Type: cross Abstract: Reasoning-enabled LLMs perform strongly on medical reasoning benchmarks, but it remains unclear whether these gains transfer to structured clinical documentation; we investigate this question using SOAP note generation from clinic…