أداء النماذج اللغوية الكبيرة ومهام التفكير السريري

في هذه الدراسة المستعرضة التي شملت 21 نموذجًا لغويًا كبيرًا، حققت النماذج المتقدمة دقة عالية في التشخيص النهائي لكنها أدت أداء ضعيفًا في توليد التشخيصات التفريقية والتعامل مع عدم اليقين مقارنةً بالمراحل الأخرى من التفكير. قدم إطار PrIME-LLM فصلًا أعمق مقارنة بالدقة الخام، كاشفًا عن فجوات حرجة في عملية التفكير التي كانت مخفية بواسطة المؤشرات التقليدية. لذا، على الرغم من التحسينات المستندة إلى الإصدارات والمزايا في النماذج المحسنة للتفكير، لم تحقق النماذج اللغوية الكبيرة الجاهزة الذكاء المطلوب للنشر الآمن ولا تزال محدودة في إظهار التفكير السريري المتقدم.