摘要
大语言模型在医疗领域应用广泛，但在复杂临床决策中仍面临挑战。现有基准多限于单疗程评估，缺乏对患者病情随时间演变的系统性评价。为此，本文提出 ClinicalMC，一个涵盖从入院到出院四个阶段的多疗程临床决策基准，包含中文和英文样本。该基准构建了包含患者、检查者和医生代理的多智能体评估框架，设计了静态单轮与动态多轮两种实验设置，全面评估各类大语言模型在医疗领域的表现，以支持其有效部署。
AI 推荐理由
论文聚焦复杂临床场景下的多轮决策与推理评估，虽为基准测试，但核心在于衡量 LLM 的动态推理能力。
研究机构
华东师范大学科学与技术学院，中国，上海
上海交通大学医学院附属仁济医院，中国，上海
论文信息