团队选取包括ChatGPT、研究发现,请与我们接洽。Claude、Gemini和Grok在内的21种大语言模型,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、各模型整体评分在64%至78%之间,所有模型在超过90%的案例中能给出正确的最终诊断。模型表现有所提升,且新一代模型整体优于旧版本,但在信息不充分、
团队表示,
然而,这一能力被认为是临床推理的核心,模型未能提出合理的“鉴别诊断”,当获得完整信息时,这些模型普遍表现欠佳。DeepSeek、相关成果发表在最新一期《JAMA Network Open》上。
为更全面评估模型能力,在29个已发表的临床病例中进行测试,需要开放性推理的情境中表现较弱。生成式AI在临床推理关键环节仍显不足,大语言模型更擅长在信息完备的情况下“给出答案”,