arXiv cs.AI· Prabhjot Singh, Pritam Deka, Vijay Chennareddy·· 3 天前AI 评分41
临床语言模型对患者口述的叙事锚定：改写患者叙述可缩小准确率差距
Same Illness, Different Voice: Restating the Patient's Account Narrows Narrative Anchoring in Clinical Language Models
AI 导读
研究将 1,000 个 MedQA 病例配上临床、社会经济、文化三种口吻的复述，评测 12 个 3B 至 24B 开源模型（含两个医疗微调版），发现患者以带标记口吻叙述时模型错误增加 26%，准确率平均下降 9.6 个百分点，且规模扩大未见缓解。
正文 · AI 翻译
摘要：临床语言模型是在以临床医生口吻撰写的病例小品上评估的，但患者会用自己的方式描述同一种疾病。我们将 1,000 个 MedQA 病例与三种复述配对，这些复述承载相同的经审核原始事实，分别采用临床、社会经济和文化口吻，并评估 12 个开放模型（3B 到 24B，包括两个医学微调模型）。当患者以带有标记的口吻说话时，每个模型的准确率都更低：错误增加 26%，合并准确率惩罚为 $-9.6$ 个百分点（95% CI $[-11.0, -8.2]$），且在更大规模上未检测到减少。该惩罚无法由我们测量的任何复述属性（长度、省略年龄、MedQA 划分、添加的临床内容）解释，并且当带有标记的叙述逐字包含原始病例小品时仍然存在；由于不同口吻之间的生成设置不同，我们将其解读为对这些带有标记的复述的敏感性，而非证明语域本身是原因。思维链和显式去偏指令合起来只能消除约五分之一的差距。让同一模型先将患者的叙述改写为临床病例小品，再根据改写内容作答，可将差距减半，同时将带有标记口吻的准确率提高 3.9 个百分点（对 11 个可运行该流程的模型取均值）。使用结构化模式而非散文的匹配流程可消除同样的差距，但在所有 11 个模型中准确率低 7.1 个百分点，而添加推理智能体或工具的成本更高。改写并非没有代价：它比提取恢复更多事实，但也会编造看似合理的细节，我们对此进行了量化。在我们的实验中，模型所推理的表征比它推理多少更重要。
| Subjects: | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2607.27384 [cs.CL] |
| （或 arXiv:2607.27384v2 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2607.27384 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Prabhjot Singh [查看电子邮件]
[v1]
2026年7月29日星期三 18:43:47 UTC（749 KB）
[v2]
2026年10月13日星期二 04:10:46 UTC（356 KB）
来源：arXiv cs.AI · arxiv.org