提示词效应的模型依赖性挑战中医医疗大模型的可靠落地

一项针对 16 个大语言模型的中医执照考试评测显示，提示词工程的优化效果高度依赖具体模型，不存在通用的最佳策略。研究采用 475 道考试题目与 7 种提示策略，发现基线模型准确率介于 35.4% 至 85.9%，思维链（CoT）等提示词优化虽可大幅扭转某些模型的未通过状态，却也会降低其他模型的准确率。对表现欠佳模型的分析表明，混淆基础中医概念是导致答题错误的最主要原因。