热点事件持续更新
arXiv论文质疑健康AI分诊失败源于评估格式
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
此前一项 Nature Medicine 研究报告，消费级健康 AI ChatGPT 在急诊分诊中出现 51.6% 的漏分诊，并将其归因于模型风险。2026年10月5日，一篇发表于 arXiv（Human-Computer Interaction）的论文对此提出质疑，认为该研究使用的考试式提示词与强制 A/B/C/D 输出更像测量工具，而非真实使用场景，因此失败可能反映评估格式问题而非模型能力本身。论文据此认为，原研究可能高估了消费级健康 AI 的分诊失误。目前该争议仍停留在方法学层面，报道未给出后续验证或原研究团队的回应。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
arXiv论文称评估格式而非模型能力导致健康AI分诊失败被高估。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Human-Computer Interaction论文称评估格式而非模型能力导致消费级健康 AI 分诊失误被高估
论文质疑一项 Nature Medicine 研究把 ChatGPT Health 51.6% 的急诊漏分诊归因于模型风险，认为其考试式提示词与强制 A/B/C/D 输出更像测量工具而非真实使用。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。