研究人员开发了 PhysAssistBench，这是一个旨在评估大型语言模型 (LLM) 在协助医生方面的能力的新基准。该基准侧重于涉及医生、患者和电子健康记录 (EHR) 的交互式场景，要求 LLM 协调临床知识、沟通和系统交互。PhysAssistBench 使用 MIMIC-IV 的真实案例构建，包含一个由 1,296 个医生验证的轮次组成的数据集。初步实验表明，当前 LLM 在此复杂的临床辅助角色中尚不可靠，凸显了更好地整合这些不同能力的需求。 AI
影响 强调了 LLM 在真实临床辅助能力方面存在的关键差距，表明需要进一步开发才能可靠地集成到医疗工作流程中。
排序理由 该集群包含一篇介绍用于在特定领域评估 LLM 的新基准的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.18613v1 Announce Type: cross Abstract: The most plausible near-term role of medical LLMs is to assist rather than replace physicians, yet current evaluations often test isolated capabilities: clinical knowledge, EHR system interaction, or patient communication. Physici…
The most plausible near-term role of medical LLMs is to assist rather than replace physicians, yet current evaluations often test isolated capabilities: clinical knowledge, EHR system interaction, or patient communication. Physician assistance instead requires coordinating these …