LLMs 能否进行长时域推理？纵向临床推理中上下文策略的实证评估
Can LLMs Reason Over Long Horizons? An Empirical Evaluation of Context Strategies for Longitudinal Clinical Reasoning
精选理由
揭示临床长程推理中，精准筛选证据比盲目扩大上下文更关键。
AI 摘要
arXiv:2610.00562v1 公告类型：cross 摘要：纵向临床推理要求大语言模型（LLMs）识别并整合分散在长期患者病史中的相关证据。尽管长上下文模型能够处理日益庞大的信息量，但提供更多病史并不一定会让相关证据更易获取，也不一定能提升推理能力。我们在四个开放权重 LLMs 上，使用 MedLoCoMo 比较了五种上下文策略（Full、Recent、Episodic、Semantic 和 Hybrid），考察答案正确性、对查询与证据距离的鲁棒性，以及在问题前提缺乏支持时的拒答表现。总体而言，Episodic 和 Hybrid 通常取得最强的准确率；随着支持性证据距离变远，Recent Context 的性能下降最为明显，而 Episodic 和 Hybrid 在较远距离下仍保持最高准确率。对抗性问题的分析进一步表明，在可回答问题上的出色表现，并不一定意味着当现有病史不支持所要求的结论时，模型也能成功拒答。这些发现表明，可靠的纵向推理不仅取决于 LLM 能够访问多少病史，更关键地取决于如何选择并呈现相关证据以供推理。