arXiv cs.AI· Mingzhan Yang, Weili Wu·· 10 小时前AI 评分31
临床 LLM 在证据不完整时如何决策：DECIDE/ASK/DEFER 框架评估 Qwen、Gemini 与 GPT
Decide, Ask, or Defer: Clinical LLMs under Incomplete Evidence
AI 导读
研究提出 DECIDE/ASK/DEFER 三态框架与盲测协议，在 DDXPlus 构建的 200 个匹配临床证据状态上评估 Qwen、Gemini 和 GPT，三者在相同证据下的行动选择出现 137 个状态分歧。
正文 · AI 翻译
摘要：临床 LLM 不仅要决定给出什么诊断，还要判断现有证据是否足以支持自主决策。二元的 DECIDE/ABSTAIN 表述合并了不同的非决策状态，且未明确评估信息获取。我们提出 DECIDE/ASK/DEFER 表述，以及一种盲法协议，防止模型使用证据完整性元数据。我们在由 DDXPlus 构建的 200 个匹配临床证据状态上评估了 Qwen、Gemini 和 GPT。在相同证据下，模型在动作选择上表现出显著差异，200 个状态中有 137 个存在分歧。对于 Qwen，匹配的定向与随机分析表明，所选信息比诊断正确性更明显地改变后续自主决策的可能性。其匹配的 DECIDE/ABSTAIN 基线进一步揭示了安全性与自主性的权衡：三动作策略挽救了一些错误的自主决策，但也移除了一些正确的自主决策。这些结果表明，将信息获取与临床医生延迟决策分离，能揭示二元弃权所隐藏的行为，但并未产生统一改进的决策策略。
| 评论： | 已被 NeurIPS 2026 GenAI4Health Workshop 主赛道接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.04542 [cs.AI] |
| （或 arXiv:2610.04542v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.04542 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mingzhan Yang [查看邮箱]
[v1]
2026年10月3日星期六 14:16:09 UTC（127 KB）
[v2]
2026年10月6日星期二 23:26:46 UTC（127 KB）
[v3]
2026年11月9日星期一 21:39:31 UTC（127 KB）
来源：arXiv cs.AI · arxiv.org