大语言模型在代理式临床推理中的信息寻求失败

# 大语言模型在代理式临床推理中的信息搜寻失败
来源：https://arxiv.org/abs/2607.10275
作者：Krischan Braitsch (https://arxiv.org/search/cs?searchtype=author&query=Braitsch,+K)，Laura K. Schmalbrock (https://arxiv.org/search/cs?searchtype=author&query=Schmalbrock,+L+K)，Theresa Weltermann (https://arxiv.org/search/cs?searchtype=author&query=Weltermann,+T)，Andrew F. Berdel (https://arxiv.org/search/cs?searchtype=author&query=Berdel,+A+F)，Isabella Miller (https://arxiv.org/search/cs?searchtype=author&query=Miller,+I)，Kai Tran (https://arxiv.org/search/cs?searchtype=author&query=Tran,+K)，Michael Heider (https://arxiv.org/search/cs?searchtype=author&query=Heider,+M)，Sabrina Kraus (https://arxiv.org/search/cs?searchtype=author&query=Kraus,+S)，Florian Bassermann (https://arxiv.org/search/cs?searchtype=author&query=Bassermann,+F)，Jacqueline Lammert (https://arxiv.org/search/cs?searchtype=author&query=Lammert,+J)，Sebastian Ziegelmayer (https://arxiv.org/search/cs?searchtype=author&query=Ziegelmayer,+S)，Marcus Makowski (https://arxiv.org/search/cs?searchtype=author&query=Makowski,+M)，Lisa C. Adams (https://arxiv.org/search/cs?searchtype=author&query=Adams,+L+C)，Keno K. Bressem (https://arxiv.org/search/cs?searchtype=author&query=Bressem,+K+K)

查看 PDF (https://arxiv.org/pdf/2607.10275)

> 摘要：大语言模型在医学知识评估中取得了高分，但临床推理要求在不确定性下主动决定调查什么。我们开发了一个血液肿瘤学领域的代理式评估框架，模型必须在三个连续轮次中主动请求临床数据，然后才能做出诊断和治疗计划。在32个前沿模型中，最佳模型的总体准确率仅为68%。信息利用率（即实际请求的可用数据比例）是诊断准确率的最强预测因子（R = 0.69，P < 0.001），但利用率从第一轮的57%骤降至最后一轮的26%，导致对治疗选择至关重要的分子和细胞遗传学数据未被检查。推理轨迹在临床推理评估表中得分很高（91%超过阈值），但与准确率不相关，揭示了局部连贯的推理与全局正确结论之间的差距。错误分析确定了搜索满足、锚定和过早闭合是主要的失败模式，这些认知偏差与双重过程诊断推理模型下新手临床医生的特征相同。这些发现表明，当前模型在临床肿瘤学中的主要限制并非医学知识不足，而是在不确定性下系统性的信息搜寻失败。

## 投稿历史

来自：Keno Bressem [查看邮件 (https://arxiv.org/show-email/0c212e4b/2607.10275)] **\[v1\]** 2026年7月11日星期六 12:10:33 UTC (2,783 KB)