**多模态大语言模型评分员审计：临床顺序评分中的趋中偏差**

_Auditing Multimodal LLM Raters: Central Tendency Bias in Clinical Ordinal Scoring_

> 研究评估了多模态大语言模型在临床顺序评分任务（如钟表绘制测试）中的表现。虽然前沿LLM在容忍度一致性上具有竞争力，但所有被测LLM均表现出显著的趋中偏差（即系统性压缩预测分数向中间值靠拢），在临床关键的高低分端尤为明显。这影响了认知障碍筛查的准确性。实验表明，少样本提示或去除临床术语均无法消除该偏差。研究呼吁在临床高风险筛查中部署LLM前，需进行校准感知评估和后处理校准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.16386)