临床模型会改变治疗决策吗？

临床基础模型通常在事实性或考试式医疗问答中进行评估，但治疗决策需随患者情境变化而调整。本文引入 ClinPivot，一个基于生物医学关系和 pivot 患者情境的可审计治疗决策基准。该基准旨在探究当新的临床约束改变行动空间时，模型是否能正确调整治疗选择。研究发现，强大的医疗问答性能并不能可靠预测决策表现：前沿模型及任务适配的 Qwen 变体常无法正确调整决策，且模型排名在不同评估体系下发生偏移。决策结构化监督提升了 pivot 敏感型决策能力及匹配知识预算下的医疗问答表现，而轻量级回放机制减少了通用助手能力的损失。