超越准确性：大型语言模型临床评估中的反事实脆弱性与人口统计偏差
HuggingFace Daily Papers · · 发布于 2026-10-28 · 1 分钟阅读
arXiv:2609.32807v2 公告类型：替换 摘要：临床大型语言模型（LLM）的评估通常强调答案的准确性；然而，仅靠准确性无法测试反事实一致性或人口统计学稳健性。我们使用两种自动扰动方法对六个LLM在150个MedQA USMLE问题上进行了评估
要点 1
arXiv:2609.32807v2 公告类型：替换 摘要：临床大型语言模型（LLM）的评估通常强调答案的准确性；然而，仅靠准确性无法测试反事实一致性或人口统计学稳健性。
要点 2
我们使用两种自动扰动方法对六个LLM在150个MedQA USMLE问题上进行了评估
SOURCES
共 1 个来源