提示语言影响大型语言模型的诊断推理与准确性

大型语言模型在临床决策支持中应用广泛，但多限于英语评估，其他语言可靠性尚不明确。本研究对比五种主流模型在英法双语下的表现，利用 180 个涵盖 16 个专科的临床病例，由医师从诊断准确性与推理质量两方面评分。结果显示，四种模型在英语环境下表现显著更优，差距体现在鉴别诊断、逻辑结构等推理维度。研究表明提示语言是决定模型临床性能的关键因素，对全球公平部署具有重要启示。