LLM 裁判只会检查“有没有”，不会发现“缺了什么”：AI 病历漏写检测的盲点

LLM Judges Verify Presence, Not Absence: Omission Blindness in AI Clinical Notes

用大模型当裁判去检查 AI 写的病历，发现它特别不擅长抓“漏写”——信息在问诊里提到了，但病历没记。论文建了一个 500 对的测试集，每对只有一处改动。对于“多写了”或“改写了”的内容，裁判的识别准确率在 0.79-0.94 之间；但对于“漏写了”，准确率只有 0.50-0.63，基本等于瞎猜。换个做法能救：先让模型把问诊记录里所有事实列出来，再逐条核...