MamaBench：通过反事实临床扰动评估母婴健康诊断中大语言模型的稳健性

英文标题：MamaBench: Benchmarking LLM Robustness in Maternal and Child Health Diagnosis through Counterfactual Clinical Perturbation

大型语言模型在医学基准上表现优异，但现有测试孤立地评估每个问题，无法衡量系统能否区分临床表现相似却需要不同干预措施的病例。MamaBench 通过引入反事实临床扰动，专门检验模型在母婴健康诊断中的稳健性。该基准有望揭示大语言模型在关键鉴别诊断中的脆弱之处，对提升医疗 AI 的安全性与临床可靠性具有重要参考价值。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB