热点事件持续更新
医疗LLM智能体升级可靠性审计基准
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv cs.AI 收录一项关于医疗 LLM 智能体升级可靠性的研究。该工作提出一套扰动控制的审计基准，使用 400 个合成医疗工作流 episode，评测医疗 LLM 智能体在需要升级（ESCALATE）时的决策可靠性。报道称，参数规模 1.7B 至 9.7B 的开源模型在干净场景下决策准确率可达 0.97，但在加入不确定性提示后，会漏掉 32% 至 97% 的必要升级。目前尚无该基准后续应用或改进结果的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
新基准显示：1.7B–9.7B开源模型在不确定性提示下漏掉32–97%的必要升级报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.AI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
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。
本事件热度走势
当前热度 8·可比范围峰值 8（10月16日 19:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。