研究称15个LLM可发现人类同行评审遗漏的临床试验方法学错误

一项 medRxiv 预印本研究让15个大语言模型评审临床试验方法学错误，其中包括4个开源权重模型。在此前植入错误的3篇随机临床试验报告中，未受训人类评审的重大错误检出率平均为27%。研究还使用2026年新发表的58篇随机对照试验进行防记忆化测试，共生成1796份评审，并由两个盲评LLM裁判打分。