摘要
医疗大语言模型的幻觉对临床决策支持构成严重风险。本文提出 Med-HEAL 框架，基于真实电子病历构建幻觉数据集，结合 LLM 评判与医学专家审核标注推理错误。研究探索了两种缓解策略：自我批判流水线及检索增强上下文学习（RA-ICL）。实验表明，自我批判策略显著提升了多个开源模型的准确性，无需参数更新。该工作为医疗 AI 的安全部署提供了可复用的数据集与实践框架。
AI 推荐理由
论文聚焦医疗幻觉缓解，核心依赖自我批判与推理错误标注，直接提升模型推理可靠性。
研究机构
University of Maryland, Baltimore County, Baltimore, Maryland, USA
Medical College of Wisconsin, Milwaukee, Wisconsin, USA
论文信息