开源大语言模型临床分诊偏见反事实审计

研究对十款开源大语言模型开展儿科急诊严重程度指数（ESI）预测的反事实偏见对比审计，考察偏见在不同模型家族、参数规模、医学领域模型及领域适配模型间的差异。该审计针对急诊分诊这一高风险优先级排序任务，其中人口统计、社会经济与系统上下文信息可能不当影响分诊等级判定。