emergency-medicine

HealthCraft是一个强化学习环境，旨在评估急诊医学中LLM的安全性，揭示了像Claude Opus 4.6和GPT-5.4这样的前沿模型在实际多步骤任务中表现不佳，安全失败率高。

本研究评估了通过与大型语言模型（LLM）的交互式对话（通过 MedSyn 系统）如何提高急诊科医生在急诊环境中的诊断准确性，结果显示住院医师在处理疑难病例时的诊断准确率有显著提升。