健康AI分诊评测复现：漏诊率随格式变化

David Fraile Navarro 等作者发表复现与机制研究，检验评测格式对消费级健康 AI 分诊失败率的影响。对 Nature Medicine 研究中 60 个已发布案例的忠实复现显示，自由文本改写得分略低于原始提示（78.7% vs 81.8%，p=0.020），而强制分类回答配合自然输入则优于两者（84.4%）。作者称，ChatGPT Health 51.6% 漏诊这一头条比率未能作为跨模型稳定结论复现，很大程度上取决于输出格式以及将散文映射到四点量表的方式。 另一项机制性测试覆盖五个前沿 LLM 的 17 个场景，发现自然患者式消息比受限考试式脚手架得分高 6.4 分（p=0.015），与复现结果方向相反。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。