arXiv cs.AI· Star S. D. Liu, Xiyu Ding, Robert B. Barrett, Alberto Santamaria-Pang, Nic Dobbins, Harold P. Lehmann·· 3 天前AI 评分26
开放权重 LLM 在临床风险分类中的错位与成本不对称
Misaligned Clinical Risk Classification and Cost Asymmetry in Open-Weight Large Language Models
AI 导读
研究考察了 Qwen-2.5-7B/32B 和 Llama-3.1-8B/70B 四款开放权重 LLM 如何在内部表征临床成本权衡。在糖尿病数据集上，患者风险可线性恢复（AUC≈0.83），成本方向在每个模型中均可恢复，但仅两个较大模型的表征偏移与输出变化一致，12 组模型-措辞中仅 2 组同时表现出对 FN 与 FP 成本增加的反向响应及成本正确排序。
正文 · AI 翻译
摘要：大型语言模型（LLM）如何将患者风险与临床成本权衡相结合，目前仍知之甚少。我们研究了四个开放权重 LLM（Qwen-2.5-7B/32B 和 Llama-3.1-8B/70B）如何在内部表示成本权衡、这些表示与临床预测的关系，以及决策是否会按指定的成本方向和幅度所预测的那样发生偏移。使用公开的糖尿病数据集，我们在三种表述方式下改变了 11 种假阴性（FN）与假阳性（FP）成本比，并考察了表示和行为输出。患者风险可以线性恢复，其水平与传统分类器相当（AUC $\approx 0.83$），并且成本方向在每个模型中都可恢复。然而，成本方向的表示偏移仅在两个较大的模型中与输出变化同步，而对成本幅度的响应主要与方向无关。在 12 个模型-表述组合中，只有 2 个同时表现出对 FN 与 FP 成本增加的对立响应以及成本正确的排序。在表示层面，在一个成本侧拟合的方向在迁移到另一侧时并未反转，而这正是镜像对称编码下所预期的情况。这些发现表明，LLM 编码了风险和成本信息，但并未可靠地将其整合为成本正确的决策。因此，临床评估除了预测性能外，还应包括权衡测试、表述敏感性和默认操作点。
| 评论： | 提交至 ML4H 2026 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.23999 [cs.LG] |
| （或 arXiv:2609.23999v3 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.23999 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Star S.D. Liu [查看电子邮件]
[v1]
2026年9月21日星期一 02:02:10 UTC（4,937 KB）
[v2]
2026年9月28日星期一 03:06:45 UTC（4,937 KB）
[v3]
2026年10月13日星期二 04:26:41 UTC（5,622 KB）
来源：arXiv cs.AI · arxiv.org