DOSEBENCH Evaluerar LLM:s beslut vid receptfri medicinering
Ny forskning introducerar DOSEBENCH, en benchmark för att utvärdera stora språkmodellers (LLM) förmåga att ge korrekta råd om dosering av receptfria läkemedel.
Vad har hänt
Forskare har skapat DOSEBENCH, en benchmark bestående av 81 scenarier för dosering av receptfria läkemedel som paracetamol och ibuprofen för vuxna. Fyra olika LLM:er har utvärderats genom 1 620 modelsvar för att bedöma deras korrekthet, konsekvens, förklaringsbarhet och typer av fel. Studien visar att modeller ofta har svårt med tidsberoende resonemang, såsom rullande 24-timmarsintag, och hantering av tvetydiga fall.
Snabbfakta
| Benchmark lanserad | 6 juni 2026 |
|---|---|
| Antal scenarier i DOSEBENCH | 81 |
| Antal testade LLM-svar | 1 620 |
| Fokuserar på mediciner | Paracetamol, ibuprofen |
”Large language models (LLMs) are increasingly used for everyday health questions, including whether a user can safely take another dose of an over-the-counter (OTC) medication.”
”Our results show that models frequently struggle with rolling-window reasoning and ambiguity-sensitive cases and that stable or con”
Varför det spelar roll
Eftersom LLM:er blir allt vanligare för hälsofrågor, är deras förmåga att ge säkra och korrekta råd om medicinering kritisk. Felaktiga doseringsråd kan leda till allvarliga hälsorisker. DOSEBENCH fyller ett tomrum i befintliga medicinska utvärderingar som inte tillräckligt har adresserat komplexiteten i doseringsbeslut under tidsmässig osäkerhet och med ofullständig medicinsk historik.
Vem påverkas
Denna forskning påverkar LLM-utvecklare, vårdgivare som överväger att implementera AI-baserade system för patientrådgivning, samt allmänheten som i allt högre utsträckning söker hälsoinformation från LLM:er. Konsumenter som använder LLM:er för att få råd om receptfria läkemedel riskerar att få felaktig information om modellerna inte förbättras.
EU-status
Ej relevant för EU-status.
Mer att veta
DOSEBENCH är en specialiserad benchmark som fokuserar på en specifik men viktig aspekt av medicinsk rådgivning, vilket understryker behovet av mer nyanserade utvärderingsverktyg inom AI-hälsa. Artikeln i arXiv är en preprint och har ännu inte genomgått peer review.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Varför spelar det roll?
Vilka utmaningar upptäcktes med LLM:er?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.