arXiv·· 16 天前AI 评分22
评估大语言模型临床推理的评分标准全景：现状、缺口与整合方向
A rubric landscape for evaluating clinical reasoning in large language models: what exists, what is missing, and what needs to be combined
AI 导读
一篇结构化叙述性综述梳理了医学教育评估工具、2023 年以来的临床 LLM benchmark 以及通用长文本生成评估方法三类文献，指出考试式准确率无法证明 LLM 能对临床记录进行良好推理。文章从问题表征、时间综合、鉴别诊断等六个维度展开分析，并界定临床推理为跨时间与来源整合、更新证据以形成、修正并论证患者问题表征与可辩护方案的能力。
来源：arXiv · arxiv.org