研究：临床医生语言模型使用方式与基准评测存在偏差
Get the story
2026年10月9日，arXiv（Computation and Language）发布一手研究，分析35个专科6,342名医护在八个月内向机构助手发送的127,833条查询。结果显示，文档与行政类查询占36.2%、知识检索占28.9%，诊断仅占3.7%，且逾三分之一查询按原样难以良好作答。研究者将RCQ-Map应用于58个公开基准，构建Clinical AI Benchmark Atlas，发现基准中位不含文档请求，任务构成与真实使用仅重合31%，据此提出评测需匹配真实临床使用。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and Language临床医生使用语言模型的方式与模型评测方式存在偏差
研究分析 35 个专科 6,342 名医护在八个月内向机构助手发送的 127,833 条查询，发现文档与行政占 36.2%、知识检索占 28.9%，诊断仅 3.7%，且逾三分之一查询按原样难以良好作答。将 RCQ-Map 应用于 58 个公开基准构建的 Clinical AI Benchmark Atlas 显示，基准中位不含文档请求，任务构成与真实使用仅重合 31%，评测需匹配真实临床使用。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.