研究结果显示，不用人类受试者进行测试时，大语言模型能准确完成这些情景，平均能在94.9%的情况下正确辨别疾病，在56.3%的情况下选择正确的行动方案。不过，当受试者使用相同的大语言模型时，相关病症的识别率低于34.5%，选择正确行动方案的情况低于44.2%，这一结果未超过对照组。研究团队人工检查了其中30种情况的人类-大语言模型交互并发现，受试者常向模型提供不完整或不准确的信息，并且大语言模型有时也会生成误导性或错误的信息。

　　论文作者总结认为，当前的大语言模型未准备好部署用于直接的患者医疗，因为将大语言模型与人类用户配对，会产生现有基准测试和模拟交互无法预测到的问题。(完)