临床医生使用语言模型的方式与模型评估方法存在偏差

英文标题：Clinician use of language models diverges from how the models are evaluated

预印本 arXiv:2610.11069v1 指出，大语言模型（LLM）助手正被部署给医疗系统中的临床医生使用。当前对其是否可投入使用的判断，主要依赖基准测试分数，而这些测试大多来自考试题目或经过筛选的病例。研究认为，临床医生实际使用语言模型的方式可能与现有评估基准所衡量的能力存在差异，这对医疗 AI 的验证、部署和开发提出了新的要求。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB