Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Fang, Jinrui, Chen, Runhan, Yang, Xu, Yu, Jian, Xu, Jiawei, Vinod, Ashwin, Shi, Wenqi, Chen, Tianlong, Ji, Heng, Zhai, ChengXiang, Ding, Ying, Zhang, Yuji |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
An Axiomatic Benchmark for Evaluation of Scientific Novelty Metrics
par: Liu, Miri, et autres
Publié: (2026)
par: Liu, Miri, et autres
Publié: (2026)
MedHallu: A Comprehensive Benchmark for Detecting Medical Hallucinations in Large Language Models
par: Pandit, Shrey, et autres
Publié: (2025)
par: Pandit, Shrey, et autres
Publié: (2025)
Beyond Reactive Safety: Risk-Aware LLM Alignment via Long-Horizon Simulation
par: Sun, Chenkai, et autres
Publié: (2025)
par: Sun, Chenkai, et autres
Publié: (2025)
An Investigation of Robustness of LLMs in Mathematical Reasoning: Benchmarking with Mathematically-Equivalent Transformation of Advanced Mathematical Problems
par: Hao, Yuren, et autres
Publié: (2025)
par: Hao, Yuren, et autres
Publié: (2025)
Ten Principles of AI Agent Economics
par: Yang, Ke, et autres
Publié: (2025)
par: Yang, Ke, et autres
Publié: (2025)
The Indispensable Role of User Simulation in the Pursuit of AGI
par: Balog, Krisztian, et autres
Publié: (2025)
par: Balog, Krisztian, et autres
Publié: (2025)
User Simulation for Evaluating Information Access Systems
par: Balog, Krisztian, et autres
Publié: (2023)
par: Balog, Krisztian, et autres
Publié: (2023)
User Simulation in the Era of Generative AI: User Modeling, Synthetic Data Generation, and System Evaluation
par: Balog, Krisztian, et autres
Publié: (2025)
par: Balog, Krisztian, et autres
Publié: (2025)
Make Any Collection Navigable: Methods for Constructing and Evaluating Hypergraph of Text
par: Alvarez, Dean E., et autres
Publié: (2026)
par: Alvarez, Dean E., et autres
Publié: (2026)
TinyHelen's First Curriculum: Training and Evaluating Tiny Language Models in a Simpler Language Environment
par: Yang, Ke, et autres
Publié: (2024)
par: Yang, Ke, et autres
Publié: (2024)
Competence-Based Analysis of Language Models
par: Davies, Adam, et autres
Publié: (2023)
par: Davies, Adam, et autres
Publié: (2023)
Interactive Information Need Prediction with Intent and Context
par: Ros, Kevin, et autres
Publié: (2025)
par: Ros, Kevin, et autres
Publié: (2025)
Globally Optimal Training of Spiking Neural Networks via Parameter Reconstruction
par: Udupi, Himanshu, et autres
Publié: (2026)
par: Udupi, Himanshu, et autres
Publié: (2026)
JIR-Arena: The First Benchmark Dataset for Just-in-time Information Recommendation
par: Yang, Ke, et autres
Publié: (2025)
par: Yang, Ke, et autres
Publié: (2025)
Teaching with Lies: Curriculum DPO on Synthetic Negatives for Hallucination Detection
par: Pandit, Shrey, et autres
Publié: (2025)
par: Pandit, Shrey, et autres
Publié: (2025)
From Correctness to Comprehension: AI Agents for Personalized Error Diagnosis in Education
par: Zhang, Yi-Fan, et autres
Publié: (2025)
par: Zhang, Yi-Fan, et autres
Publié: (2025)
User Preference Modeling for Conversational LLM Agents: Weak Rewards from Retrieval-Augmented Interaction
par: Hao, Yuren, et autres
Publié: (2026)
par: Hao, Yuren, et autres
Publié: (2026)
Frantic to Lure Stock Listings: NASDAQ and the NYSE can't compete on stats alone, so they´re turning to shtick
Publié: (2004)
Publié: (2004)
Thought Graph: Generating Thought Process for Biological Reasoning
par: Hsu, Chi-Yang, et autres
Publié: (2024)
par: Hsu, Chi-Yang, et autres
Publié: (2024)
SimLab: A Platform for Simulation-based Evaluation of Conversational Information Access Systems
par: Bernard, Nolwenn, et autres
Publié: (2025)
par: Bernard, Nolwenn, et autres
Publié: (2025)
Scalable Robust Bayesian Co-Clustering with Compositional ELBOs
par: Vinod, Ashwin, et autres
Publié: (2025)
par: Vinod, Ashwin, et autres
Publié: (2025)
Uncertainty-Aware Web-Conditioned Scientific Fact-Checking
par: Vinod, Ashwin, et autres
Publié: (2026)
par: Vinod, Ashwin, et autres
Publié: (2026)
PlugMem: A Task-Agnostic Plugin Memory Module for LLM Agents
par: Yang, Ke, et autres
Publié: (2026)
par: Yang, Ke, et autres
Publié: (2026)
Fairness in Multi-modal Medical Diagnosis with Demonstration Selection
par: Li, Dawei, et autres
Publié: (2025)
par: Li, Dawei, et autres
Publié: (2025)
The Public Library Lure
par: Greenaway, Emerson
Publié: (1969)
par: Greenaway, Emerson
Publié: (1969)
Mapping from Meaning: Addressing the Miscalibration of Prompt-Sensitive Language Models
par: Cox, Kyle, et autres
Publié: (2025)
par: Cox, Kyle, et autres
Publié: (2025)
Seed-Guided Fine-Grained Entity Typing in Science and Engineering Domains
par: Zhang, Yu, et autres
Publié: (2024)
par: Zhang, Yu, et autres
Publié: (2024)
Persona-DB: Efficient Large Language Model Personalization for Response Prediction with Collaborative Data Refinement
par: Sun, Chenkai, et autres
Publié: (2024)
par: Sun, Chenkai, et autres
Publié: (2024)
Green Collaborative Innovation Network's Dynamic Evolution and Influencing Factors of Logistics Industry in China
par: Xu Runhan, et autres
Publié: (2025)
par: Xu Runhan, et autres
Publié: (2025)
Edge AI-Enabled Chicken Health Detection Based on Enhanced FCOS-Lite and Knowledge Distillation
par: Tong, Qiang, et autres
Publié: (2024)
par: Tong, Qiang, et autres
Publié: (2024)
Risk Prognosis and Fire Prediction of Urban Utility Tunnels Using a Hybrid SSA‐LSTM Method
par: Tianlong Xu, et autres
Publié: (2025)
par: Tianlong Xu, et autres
Publié: (2025)
Luring Deep-sea Life
Publié: (1986)
Publié: (1986)
Lures and wild fish fry
par: Surtida, Augusto P., et autres
Publié: (1999)
par: Surtida, Augusto P., et autres
Publié: (1999)
TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews
par: Xu, Huimin, et autres
Publié: (2025)
par: Xu, Huimin, et autres
Publié: (2025)
CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis
par: Chen, Junying, et autres
Publié: (2024)
par: Chen, Junying, et autres
Publié: (2024)
Position: Open and Closed Large Language Models in Healthcare
par: Xu, Jiawei, et autres
Publié: (2025)
par: Xu, Jiawei, et autres
Publié: (2025)
Flexible Locomotion Learning with Diffusion Model Predictive Control
par: Huang, Runhan, et autres
Publié: (2025)
par: Huang, Runhan, et autres
Publié: (2025)
DexHoldem: Playing Texas Hold'em with Dexterous Embodied System
par: Chen, Feng, et autres
Publié: (2026)
par: Chen, Feng, et autres
Publié: (2026)
YT-Pilot: Turning YouTube into Structured Learning Pathways with Context-Aware AI Support
par: Albassam, Dina, et autres
Publié: (2026)
par: Albassam, Dina, et autres
Publié: (2026)
Bias and Volatility: A Statistical Framework for Evaluating Large Language Model's Stereotypes and the Associated Generation Inconsistency
par: Liu, Yiran, et autres
Publié: (2024)
par: Liu, Yiran, et autres
Publié: (2024)
Documents similaires
-
An Axiomatic Benchmark for Evaluation of Scientific Novelty Metrics
par: Liu, Miri, et autres
Publié: (2026) -
MedHallu: A Comprehensive Benchmark for Detecting Medical Hallucinations in Large Language Models
par: Pandit, Shrey, et autres
Publié: (2025) -
Beyond Reactive Safety: Risk-Aware LLM Alignment via Long-Horizon Simulation
par: Sun, Chenkai, et autres
Publié: (2025) -
An Investigation of Robustness of LLMs in Mathematical Reasoning: Benchmarking with Mathematically-Equivalent Transformation of Advanced Mathematical Problems
par: Hao, Yuren, et autres
Publié: (2025) -
Ten Principles of AI Agent Economics
par: Yang, Ke, et autres
Publié: (2025)