Evaluating large language models in medical applications: a survey

大型语言模型（LLMs）已经成为强大的工具，在许多领域具有变革性的潜力，包括医疗保健和医学。在医学领域，LLMs为从临床决策支持到患者教育等任务提供了希望。然而，由于医学信息的复杂性和关键性，评估LLMs在医学环境中的表现面临着独特的挑战。本文全面概述了医学LLM评估的现状，综合了现有研究的见解，并突出评估数据来源、任务场景和评估方法。此外，它还确定了医学LLM评估中的关键挑战和机遇，强调需要持续的研究和创新，以确保LLMs的负责任整合到临床实践中。

评估医疗大语言模型（LLMs）在医学领域的性能，以确保其在临床实践中的负责任整合。

综合评估现有研究，提出医疗LLMs的评估数据来源、任务场景和评估方法，并强调需要持续研究和创新。

论文提供了医疗LLMs评估的全面概述，强调了医学信息的复杂性和关键性所带来的独特挑战。同时，论文还指出了医疗LLMs评估中的关键挑战和机遇，并提出了需要继续研究和创新的建议。

最近的相关研究包括：《医疗自然语言处理的现状与未来》、《医疗文本分类的深度学习方法》等。