AskDocs

大型语言模型在多轮对话中难以纠正医疗错误概念

一项新近发表在arXiv上的研究评估了大型语言模型（LLMs）在多轮医疗对话中识别和纠正错误概念的能力。该研究引入了ThReadMed-QA数据集，该数据集包含2,437个患者-医生对话。研究结果表明，即使是像GPT-5和Claude Haiku 4.5这样在初始问题上表现良好的先进模型，在后续轮次中纠正错误概念的能力也显著下降，准确率从约85%降至约50%。这种错误传播凸显了LLM评估框架需要考虑多轮对话动态，以确保安全可靠的医疗指导。