研究：LLM医学验证中同试验证据过度采信
热点事件持续更新
研究：LLM医学验证中同试验证据过度采信
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Mukand Krishna等作者发表的研究发现，大型语言模型在医学证据验证中存在行为差距：模型能在直接任务中正确识别同一试验的论文来源，但在汇总证据时仍会把同一试验的第二篇论文重复计入。 研究基于14个经来源审计的临床家族和五种模型条件测试。GPT-5.5在三个来源家族中均以10/10识别独立更新，却在5/5独立聚合调用中过度计入同一试验的第二篇论文；Qwen3-4B与Ministral-3-8B也呈现同样的跨任务反差。 研究称，加入研究分组指令后，GPT-5.5在后续纯来源家族中的过度计入从4/5降至0/5。
AI 根据报道生成 · 57 分钟前更新
最新进展10月19日 12:00
研究揭示 LLM 医学验证缺陷：能识别同源试验却仍重复计入证据报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.CL研究揭示 LLM 医学验证缺陷：能识别同源试验却仍重复计入证据
基于 14 个经来源审计的临床家族和五种模型条件测试发现，GPT-5.5 在三个来源家族中均能以 10/10 识别独立更新，却在 5/5 独立聚合调用中过度计入同一试验的第二篇论文。Qwen3-4B 与 Ministral-3-8B 也呈现同样的跨任务反差。加入研究分组指令后，GPT-5.5 在后续纯来源家族中的过度计入从 4/5 降至 0/5。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。