arXiv cs.AI· Zihao Zheng (Washington University in St. Louis), Junyi Yao (Washington University in St. Louis), Baichuan Li (Southern Methodist University), Jiayu Long (Washington University in St. Louis)·· 11 小时前AI 评分31
医疗 LLM 智能体的升级可靠性审计：工作流状态失败的扰动控制基准
Auditing Escalation Reliability in Healthcare LLM Agents: A Perturbation-Controlled Benchmark of Workflow-State Failures
AI 导读
扰动控制的审计基准用 400 个合成医疗工作流 episode 评测医疗 LLM 智能体的升级（ESCALATE）可靠性：1.7B–9.7B 开源模型干净场景决策准确率达 0.97，不确定性提示下却漏掉 32–97% 的必要升级。
来源：arXiv cs.AI · arxiv.org