AI检测临床试验论文错误优于人类评审

一项新预印本测试了15个LLM检测随机对照试验论文中植入方法学错误的能力。结果显示，模型得分在53%到96%之间，而未受训练的人类审稿人平均仅27%。在58篇2026年发表的新试验上结果仍成立，其中Claude Opus 5.5最高达99%。人类审稿发现文本与表格矛盾的比例仅7%，每次评审需5到8.5小时，而AI仅需1.4到16.3分钟。该预印本称，LLM检出方法学错误的能力远超人类同行评审。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。