医疗 AI · 可靠性研究

指南忠实度聊天

指南里每条推荐都带一个官方力度——强烈、有条件——由指南的专家委员会 定。问一个膝关节炎的问题,这个 demo 会如实复述 NICE NG226 和 ACR/AF 怎么说, 并回读原文保住那个力度——而不是把两份指南糊成一句听起来很笃定的话。检索 → 回答 → 回读原文并改正。

指南忠实度的研究 demo ——非医疗建议,不是临床工具。它带引用地复述公开指南的立场, 不给任何治疗建议。

属于 GuidelineBench-OA——一套衡量 AI 能否忠实复述临床指南推荐的 benchmark。 本公开 demo 覆盖膝关节炎的 NICE + ACR/AF。