09:09
官方账号arXiv cs.AI@Yi Yu, Bo Wang, Chong Feng, Ge Shi, Xia Liu, Ziyi Yang, Xuewen Shi
精选73°
推荐理由：SUP-MIMIC 基准测试揭示了 LLM 在临床诊断推理中的缺陷，特别是对矛盾证据的处理能力不足。
MIMIC-IV-v3.1
共 1 条相关 AI 资讯
9月1日
09:09
SUP-MIMIC 是一个基于 MIMIC-IV-v3.1 的多任务框架，包含基础评估(BA)、诊断发散任务(DDT)和诊断收敛任务(DCT)。DDT 评估模型对表型相似病例的"一对多"区分能力，DCT 评估模型对不同病理通路的"多对一"诊断模式识别能力。研究显示，最先进 LLM 在 DDT 和 DCT 上的性能显著下降，暴露了模型对统计捷径的系统性依赖。