科学家进一步分析对话记录，发现了两组典型的“沟通盲区”：普通人往往难以准确、完整地描述症状，而AI偶尔也会生成看似合理实则具有误导性的回应。这种双向的信息偏差，让原本在测试中表现优秀的模型在实际应用中打了折扣。

　　这也表明，当前的大语言模型若直接应用于公众健康咨询仍需谨慎，因为在真实的人机互动中，存在大量实验室测试无法预测的复杂性。AI医疗助手的发展不仅需要技术迭代，更需要深入理解：当健康遇到焦虑，当专业术语遇到日常表达时，人与机器该如何更好地“对话”。

　　（科技日报）