arXiv · cs.CL· Krithik Vishwanath·· 21 天前AI 评分32
偶发信息污染病历笔记并干扰大语言模型的临床推理
Incidental information contaminates patient notes and disrupts clinical reasoning in large language models
来源与原文
arXiv · cs.CL
作者：Krithik Vishwanath
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08585v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究考察了大语言模型对病历中偶发信息（与就诊无关的闲聊、串入的他人对话）的敏感性。在 576 段对话中，前沿模型将闲聊写入 35% 的笔记，3.7% 的笔记错误归因或临床使用了这些内容；在 57 次模拟问诊中，-10 dB 背景语音泄漏进 48.2% 的转写文本，4 个开源权重模型生成的笔记中 5.3% 出现污染。研究提出双重编码假说，建议临床部署前评估模型对偶发信息的抵抗力。
来源：arXiv · cs.CL · arxiv.org