当病例变得罕见：面向非指南临床问答的检索基准

临床实践常受限于证据指南，难以覆盖现实中的长尾罕见病例。现有医疗大模型多依赖参数记忆进行评测，缺乏可靠性。为此，本文提出 OGCaReBench，一个基于真实病例报告并经专家验证的自由形式检索基准，旨在评估模型在超越常规指南场景下的开放域医学推理能力。实验表明，即使最强基线模型准确率仅 56%，而引入医学文献检索后可提升至 82%，突显了证据 grounding 对复杂临床推理任务的关键作用。