组合推理深度预测临床 AI 失败：电子健康记录问答中 Transformer 组合性限制的经验证据

本文揭示大语言模型在电子健康记录（EHR）问答中的系统性失败模式：所需推理步骤越多，错误率越高。基于 Transformer 组合性限制理论，作者提出预设的“跳数”分类法作为失败预测指标。通过对 313 个临床问题及多种模型（Claude Sonnet、GPT-4o、GPT-5）的评估，发现所有模型准确率均随跳数增加而单调下降。排除上下文截断干扰后，证实该现象源于组合推理难度。扩展思维模式未显著改善此趋势，且计算消耗随跳数线性增长。该研究为临床 AI 部署的风险分层提供了理论依据。