When silence is safer: a review and decision-theoretic framework for LLM abstention in healthcare
大型语言模型 (LLM) 旨在生成用户提示的答案，这通常会促使他们做出响应，即使不确定性很高、信息不完整或拒绝更合适。在医疗保健领域，这种倾向可能是危险的：自信地陈述但不准确的医疗建议可能会造成重大伤害，因此戒烟的能力尤其重要。在本文中，我们回顾了调查医疗保健领域法学硕士放弃行为的研究。文献强调了两个主要动机：（1）不确定性驱动的弃权，即模型在置信度较低时拒绝做出响应；（2）安全驱动的弃权，即模型拒绝提供潜在有害的信息。大多数现有机制都是外在的，依赖辅助工具来确定何时弃权。我们发现最先进的法学硕士仍然难以拒绝不适当的提示，而且很少有基准评估现实医疗场景中的弃权，其表现落后于其他领域。基于这些发
Arachnology, Vol. 20, No. 5 (Summer 2026)
目录提醒：蜘蛛学，卷。 20，第 5 期（2026 年夏季）新一期现已在线提供，网址为 https://www.bioone.org/journals/arachnology/volume-20/issue-5 该期的目录如下。单击下面的链接查看每篇文章的摘要，或单击上面的链接在线阅读目录。如果您希望更新您的偏好或警报，请登录您的帐户 https://bioone.org 如果您需要任何进一步的帮助，请访问 https://bioone.org 并单击“帮助”。猎人蜘蛛的步行检测和可操作性分析的计算机辅助模式Mobin Saboohi、Majid Moradmand、Shima Zaferan
