深度分析
來源感知評估：在 SOAP 筆記任務中比較原生推理與同源 RAG 的成效
臨床SOAP筆記自動化評估對具推理能力的大型語言模型進行來源感知測試，交叉比較推理模式與同源檢索(RAG)對產出影響。實驗涵蓋三個資料集、七項自動指標與兩位LLM評審，發現開啟原生推理並不穩定提升品質，反而在多數情況降低表現；同源RAG則帶來有限且具模型依賴性的改善。
深度分析
臨床SOAP筆記自動化評估對具推理能力的大型語言模型進行來源感知測試，交叉比較推理模式與同源檢索(RAG)對產出影響。實驗涵蓋三個資料集、七項自動指標與兩位LLM評審，發現開啟原生推理並不穩定提升品質，反而在多數情況降低表現；同源RAG則帶來有限且具模型依賴性的改善。
深度分析
本研究系統性審計三款前沿大型語言模型對十個跨文化個人困境的建議，採行行為情境評分並以世界價值調查為基準。研究比較語言與國別標籤效應，並發現模型普遍偏向西方個體主義，可能對集體主義社會造成價值同質化風險。日本呈現相反趨勢，顯示模型有時保留過時刻板印象。