LLM 裁判的盲区：AI 病历中的遗漏

LLM Judges Verify Presence, Not Absence: Omission Blindness in AI Clinical Notes

Ambient AI 医生记录员在撰写临床笔记时，最常见的错误是遗漏关键信息。我们测试了八种 LLM 裁判方案，发现它们能精准识别内容被添加或篡改的情况，却对“遗漏”视而不见，准确率仅略高于随机猜测。研究指出，标准验证方法存在“遗漏盲视”。通过将任务重构为“先列出事实再逐一核对”，两种新方法成功解决了这一问题。其中，单次调用的 GEPA 优化方案在成本降低十倍的情况下，检测率显著提升，且经医生验证，其准确性与分步流水线方案相当。该研究揭示了当前 AI 审计的局限，并提供了切实可行的改进路径。