患者自述口吻使12个开源临床模型准确率平均降9.6个百分点。
资讯摘要
论文将1000个MedQA病例与三种经审核的复述（临床、社会经济、文化口吻）配对，测试12个开源模型。作者报告：当患者以带有标记的口吻自述时，所有模型准确率平均下降9.6个百分点（95% CI 8.2–11.0），且规模增大未见缩小。作者将其主要归因于模型未能利用患者自述中的事实，而非对社会线索的反应；思维链加显式去偏指令可弥合约五分之一差距，先让同一模型把叙述改写为临床病例可减半差距。
要点速读
- 论文用1000个MedQA病例配三种口吻复述测试12个开源模型，带标记口吻下准确率平均降9.6个百分点，规模增大未见改善。
- 作者报告普通第一人称改写解释2.4个百分点，附上原始病例可恢复7.0个百分点；思维链与去偏指令合计弥合约五分之一差距。
- 先让模型把叙述改写为临床病例可减半差距并提升3.9个百分点，但改写会编造看似合理的细节，作者对此做了量化。
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 2026/11/5 08:00:38（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。