提出了一种由临床医生撰写的病例特异性评分细则方法,用于评估临床AI系统生成的病历文档,并验证了大语言模型(LLM)生成的评分细则能否逼近医生间的一致性;结果表明LLM评分细则在成本降低三个数量级的前提下,能有效支持大规模、持续性的临床AI评估,且与医生评估具有可比的一致性。
机构:Stanford
来源:arXiv 2604.24710 | AI4Papers 论文推荐平台