前沿LLMs医疗表现超临床AI，凸显独立评估必要性

这项针对医疗AI工具的对比测试结果，其实并不让人感到意外。以下是相关研究论文摘要的核心内容：

在三项标准化评估中，前沿通用大语言模型的综合表现全面超越了专用临床AI工具；而专用临床AI工具在RCQ测试中的表现，与搭载自动功能的搜索类AI概述工具基本处于同一水平。该研究结果明确指出，所有AI工具在正式进入临床医疗场景之前，都必须经过独立的真实世界场景评估验证。

该项研究由Krithik Viswanath及其合作团队完成并发表。值得一提的是，这项发现及其背后的通用逻辑，正是不少创新项目提案会被快速驳回的重要原因之一：未经充分实地验证的通用型AI工具，在高度专业化的临床场景中，实际表现可能远低于预期，甚至可能带来不可预知的风险。