arXiv · cs.AI· Alexey A. Bokov·· 12 天前AI 评分30
AI Consilium：LLM 临床多学科二次会诊基准
AI Consilium: a Benchmark of LLM Clinical Multidisciplinary Second Opinions
来源与原文
arXiv · cs.AI
作者：Alexey A. Bokov
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/2610.22298v1
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
研究者提出 AI Consilium，一个基于 300 例 NEJM-MedQA 病例的 LLM 临床多学科二次意见多维评测基准，其中 110 例用于医生参考评分与 Judge 校准，190 例用于留出评估。8 条单模型流水线共生成 3,040 份报告，由医生校准的 LLM Judge 评分：结构化报告在 8 条流水线中 7 条平均分更高，management 维度优势最明显（2.740 vs. 2.436）；完整结构化会诊报告在全部五项共同标准上优于会诊前的主角色意见。GPT-5.6-Sol 在所有评测组件中领先，并以最少的评审轮次达成共识。
来源：arXiv · cs.AI · arxiv.org