评AI临床推理，答案正确还不够

AI 导读

作者提出一套评分框架，从依据是否可靠、推理连贯、临床安全等维度评价大模型回答病例的“推理表现”。框架借鉴医学教育与模型评估工具，但仍是待验证方案，不能据此给模型能力排名。

推荐理由

Reviewed Edu@AI import

正文

这篇预印本提出一套评估大模型临床推理表达的量规，将医学教育评估框架与已有临床大模型基准结合，拟从依据可靠性、推理连贯性、实用性和安全关键错误等方面评分病例回答。

作者给出了初步行为锚点和适用规则，但目前文章的贡献是设计框架，不是完成验证后的模型比较。它提醒读者，最终答案正确并不自动说明推理可靠，评分也要单独留意可能造成伤害的错误。量规的信度、效度及与临床判断的一致程度仍需研究。