CareManage-Bench

大型语言模型在临床护理计划安全检查中失败，忽略了关键的社会心理因素

对三个大型语言模型（LLMs）在临床护理管理任务中的基准测试揭示了重大的安全隐患。尽管 Gemini 3.7 Flash、Gemma 4 31B 和 GPT-5.4 Mini 在药物安全审查和分诊优先排序方面表现完美，但它们在生成护理计划时都未能包含关键要素。值得注意的是，所有模型都忽略了指南推荐的针对心肌梗死后患者的抑郁筛查，这表明尽管生成了流畅且权威的护理计划，但在社会心理因素方面存在严重的盲点。