跳到正文
arXiv · NLP· Sebastian Wind, Tri-Thien Nguyen, Jeta Sopa, Mahshad Lotfinia, Sebastian Bickelhaup, Michael Uder, Harald K\"ostler, Gerhard Wellein, Sven Nebelung, Daniel Truhn, Andreas Maier, Soroosh Tayebi Arasteh·· 11 天前AI 评分35

临床大语言模型安全性与准确性在不同部署条件下呈现分化

Safety and accuracy diverge across deployment conditions in clinical large language models

AI 导读

研究引入 SaFE-Scale 评估框架,在 RadSaFE-200 基准上测试 34 个本地 LLM,发现部署条件比模型家族更能决定安全性指标。 使用临床医生撰写的清洁证据作为上限,可将平均准确率从 73.5% 提升至 94.1%,并将高风险错误率从 12.0% 降至 2.6%。

来源:arXiv · NLP · arxiv.org