待验证50% 置信观点精确时间

现有评估机制会系统性地高估AI临床病历的质量，主要防范多写却几乎不防范少写

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

LLM裁判的遗漏盲区：擅长查错却难以发现信息缺失

涉及实体

LLM-as-a-Judgeconcept

相关事实

待验证研究揭示准确的生理指标预测并不自动等同于校准良好的事件检测器，生理轨迹预测与临床事件检测之间存在语义鸿沟73% 相似待验证临床场景需关注灵敏度与特异度的权衡，因为漏诊与误诊的临床代价往往高度不对称72% 相似待验证若AI遗漏患者的药物过敏史、既往病史或用药剂量等关键信息，LLM裁判很可能毫无察觉，反而给出内容准确、无幻觉的高分评价71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/909754

API

curl https://kongchang.com/api/v1/knowledge/claims/909754

MCP

get_claim(id=909754)