arXiv Artificial Intelligence· Zhangshu Joshua Jiang, Zina Ibrahim, James T. Teo·· 18 小时前AI 评分31
评估大语言模型临床推理的量表全景：现有工具、缺失维度与组合路径
A rubric landscape for evaluating clinical reasoning in large language models: what exists, what is missing, and what needs to be combined
AI 导读
一篇结构化叙述性综述梳理了医学教育评估工具、2023 年以来的临床 LLM benchmark 与通用长文本生成评估方法，按问题表征、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盘点现有量表，发现没有任何单一工具覆盖全部六维。
来源：arXiv Artificial Intelligence · arxiv.org