综述称现有临床推理评估工具无单一覆盖六维度，忠实性最薄弱。
资讯摘要
这篇结构化叙述性综述梳理医学教育评估工具、2023年以来的临床LLM基准和通用长文本生成评估方法，从问题表征、时间综合、鉴别与管理推理、反事实推理、校准不确定性、推理忠实性六个维度考察。作者指出，没有单一工具覆盖全部六维；问题表征与鉴别/管理推理覆盖较好但可靠性不一，忠实性最薄弱，仅找到一项针对选择题的临床因果消融研究。综述建议以二元量表条目、分开的完整性与正确性评分、病例特定权重与不可补偿安全上限、时间顺序一致性检查及机会校正可靠性报告来组合现有工具，并称其为设计依据而非已验证工具。
要点速读
- 综述覆盖六个临床推理评估维度，指出无单一工具能全部覆盖。
- 问题表征与鉴别/管理推理覆盖较好；忠实性最弱，仅一项选择题因果消融研究。
- 建议组合现有工具，采用二元量表、分开评分、安全上限与时间一致性检查。
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 2026/10/23 08:00:11（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。