omission-detection

本文提出了一项基准测试，用于评估大语言模型法官在AI生成的临床笔记中检测遗漏信息的能力。研究发现，标准法官模型在识别遗漏方面存在困难，但将任务重构为基于事实的验证可显著提升检测效果。