arXiv · AI· Federico Ravenda, Mirko Cesarini, Daniele Montagnani, Volodymyr Karpenko, Antonietta Mira, Andrea Raballo·· 9 天前AI 评分33
Hx2Dx Arena:大语言模型对话式临床推理的多模态竞技场
Hx2Dx: From Anamnesis to Diagnosis - A Multimodal Arena for Conversational Clinical Reasoning in LLMs
AI 导读
提出 Hx2Dx Arena 基准,包含 1000 个来自《新英格兰医学杂志》的交互式临床病例,用于评测 LLM 的多轮问诊与诊断推理能力。 评测显示,交互式设置下所有模型诊断准确率均低于静态完整病例场景,且模型间性能差异显著。 研究指出,LLM 在获取完整数据后推理良好,但在假设驱动的信息收集(提问针对性)上存在局限,这影响其安全融入真实诊疗流程。
来源:arXiv · AI · arxiv.org