大语言模型在代理式临床推理中的信息搜寻失败

论文在血液肿瘤学场景中评估32个前沿模型：模型需在三轮中主动请求临床数据后制定诊疗方案。最佳总体准确率仅68%；信息利用率与诊断准确率相关性最强（R=0.69，P<0.001），但末轮从57%降至26%，导致关键分子和细胞遗传学数据未被查询。高分推理轨迹与最终准确率脱钩，主要错误包括搜索满足、锚定和过早终止。