热点事件观察中

罕见病诊断LLM评估伪影与数据泄露审计

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

2026年10月27日，Jian Yang 等人在 arXiv 发布研究，针对罕见病诊断 LLM 系统的高风险偏差，利用 6 万余病例实证量化评估伪影与数据泄露影响。强制跨数据集隔离使 Recall@1 从 54.3% 降至 40.3%，监督分类准确率从 42.9% 跌至 16.7%。研究提出结合严格数据隔离与标准基准保护的评估框架，以验证模型的真实临床稳健性。

AI 根据报道生成 · 1 小时前更新

最新进展10月27日 12:00

罕见病诊断 LLM 评估伪影与数据泄露审计

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv · AI
罕见病诊断 LLM 评估伪影与数据泄露审计
针对罕见病诊断 LLM 系统的高风险偏差，研究利用 6 万余病例实证量化评估伪影与数据泄露影响。强制跨数据集隔离使 Recall@1 从 54.3% 降至 40.3%，监督分类准确率从 42.9% 跌至 16.7%。提出结合严格数据隔离与标准基准保护的评估框架，以验证模型的真实临床稳健性。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。