arXiv cs.AI· Abinitha Gourabathina, Haoran Zhang, Yuexing Hao, Walter Gerych, Marzyeh Ghassemi·· 2026-10-01AI 评分44
大语言模型临床分诊推荐评测：与执业医生对比基准研究
Sense and Sensitivity: Benchmarking LLM Clinical Triage Recommendations with Physician Experts
AI 导读
一项关于大语言模型临床分诊的评测研究发现，LLM 比执业医生更易推荐不必要的医疗护理，且该倾向在文本扰动下进一步加剧。该基准涵盖超 6,000 个临床场景、7,000 条医生标注及 225,000 个模型响应。测试表明，LLM 的分诊建议易受性别与语气等临床无关文本变化的影响，敏感度明显高于人类医生。
来源：arXiv cs.AI · arxiv.org