Mingzhan Yang

临床大语言模型在证据收集能力方面接受评估

一篇新发表在arXiv上的研究论文介绍了一个用于临床大语言模型（LLMs）的“DECIDE/ASK/DEFER”框架，以更好地处理不完整证据。这种方法超越了简单的“DECIDE/ABSTAIN”表述，明确评估了信息获取的必要性。在使用Qwen、Gemini和GPT对200个临床场景进行测试时，模型在行动选择上表现出显著差异，在137个状态下存在分歧。研究发现，Qwen选择的信息比诊断正确性对后续决策的影响更明显，并观察到安全性和自主性之间的权衡。