資訊省略危害

深度分析

IatroBench：量化醫療人工智慧的省略性危害與政策遮蔽問題

IatroBench 以 60 個預先註冊的臨床情境，測試六款前沿大型語言模型在醫療資訊提供上的缺失與偏差。研究發現，模型在醫師身份框架下會提供完整的藥物減量方案，而在一般使用者提問時則會選擇拒絕或隱匿關鍵資訊，造成顯著的省略性傷害（Omission Harm）。