EHRNote-ChatQA临床问答基准发布

2026年10月22日，arXiv Artificial Intelligence 刊出 Jiyoun Kim 等作者的论文，发布 EHRNote-ChatQA。据该报道，这是首个基于患者多份出院小结的循证多轮临床问答基准，数据源自去标识化的 MIMIC-IV，含 967 个患者级多轮样本（覆盖 1 至 5 份病历）和 16,072 条经 12 位医学专家逐条审核的问答对，分属八个临床类别。对 24 个闭源与开源 LLM 的评测显示，模型在证据定位上比内容作答更吃力，多轮错误会逐轮累积，单轮临床问答表现无法可靠迁移到该场景。上述数字与结论均出自该篇报道，尚无其他跟进报道可对照。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。