基于检索的开放式评估在哪些方面失效？从长篇医疗回答事实性验证中自动归纳分类体系

英文标题：Where Does Retrieval-Based Open-Ended Evaluation Fail? Automatic Taxonomy Induction from Long-Form Medical Answer Factuality Verification

该论文研究基于检索的事实性评估在医疗场景中的失效模式。此类方法通过权威医学语料验证 LLM 生成的声明，已成为临床等高风险环境中可扩展检测幻觉的主流范式。论文聚焦长篇医疗回答的事实性验证，并尝试自动归纳评估失败的分类体系，以帮助开发者识别现有自动评估方法的局限。

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