通用模型竟然比医疗专用模型更懂医疗？一篇 ACL 论文的两个反直觉发现 | GAIR Paper 123

Doubao 、DeepSeek 在三语数据集上的表现，普遍超过 GPT-4o 和 Gemini。 作者丨幸丽娟 编辑丨岑 峰 医疗，是大模型落地最特殊的场景之一。特殊在哪里？特殊在一个很微小的错误，就可能导致致命的后果；也特殊在你不能用直觉去判断它"行"还是"不行"——你觉得医疗专用模型肯定比通用模型更懂医疗？直觉上是。但实验数据不支持。你觉得英语训练出来的模型处理英语医疗数据肯定最好？直觉上是。但实验数据也不支持。这两重"反直觉"，正是纽约大学阿布扎比分校和阿布扎比克利夫兰诊所的研究团队在ACL 2026 Findings上发表的论文揭示的核心真相。论文链接：https://aclanthology.org/2026.findings-acl.573.pdf论文代码：https://github.com/congboma/MedErrBench研究团队构建了首个面向医疗错误检测、错误定

阅读原文 →