摘要
尽管思维链提示提升了医疗问答表现，但自我反思提示在安全关键场景的有效性尚不明确。本研究利用 GPT-4o 系列模型，在三个主流医疗基准上对比标准思维链与迭代自我反思循环，追踪预测演变。结果显示，自我反思并未一致提升准确率，其效果高度依赖数据集与模型，增加反思步骤亦非总是有益。研究表明，自我反思更适合作为分析模型行为的工具，而非提升可靠性的独立方案。
AI 推荐理由
核心研究自我反思推理机制在医疗问答中的有效性与局限性。
研究机构
Department of Electrical and Computer Engineering, University of Minnesota, Minneapolis, USA
Division of Computational Health Sciences, Department of Surgery, University of Minnesota, Minneapolis, USA
Department of Software Engineering, University of St. Thomas, Saint Paul, USA
论文信息