大模型能识别医学指南更新，却常未纳入临床建议。
资讯摘要
论文提出 ChronoEvo 基准，涵盖 12 类医学知识变更、共 1,709 条推荐级修订，用于区分模型是否识别修订与是否将修订纳入临床建议。主模型中 90.8% 的回答识别出修订、80.2% 临床正确，但仅 58.5% 完全纳入，识别与纳入相差 32.3 个百分点；该差距在 14 个模型中持续存在，两位临床医生对 300 条回答的裁定也显示 40.3 个百分点的差距。推荐强度和患者适用范围的变化与沿用旧指南相关；修订显著性干预减少了旧内容保留并提升临床正确性，但未显著改善完全纳入。
要点速读
- ChronoEvo 含 12 类医学知识变更、1,709 条推荐级修订，区分识别修订与纳入建议。
- 主模型识别率 90.8%、临床正确率 80.2%，完全纳入仅 58.5%，差距 32.3 个百分点。
- 该差距在 14 个模型中持续存在；修订显著性干预未显著提升完全纳入。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。