《可信的医学问答：以评估为中心的综述》

在医疗问答（QA）系统中，可信性对于保障患者安全、提升临床效果以及增强用户信任具有重要意义。随着大语言模型（LLMs）日益被引入医疗场景，其回答的可靠性将直接影响临床决策和患者结果。然而，在医学问答中实现全面的可信性仍面临重大挑战，这主要源于医疗数据的高度复杂性、临床场景的关键性，以及可信人工智能所涉及的多维度特性。

在本综述中，我们系统性地探讨了医学问答中可信性的六个关键维度：事实性（Factuality）、鲁棒性（Robustness）、公平性（Fairness）、安全性（Safety）、可解释性（Explainability）和校准性（Calibration）。我们回顾了当前基于LLM的医学问答系统在这些维度上的评估方法，整理并对比了用于衡量这些维度的主要基准测试，分析了以评估为导向的模型改进技术，例如基于检索的事实增强、对抗式微调以及安全性对齐等。

最后，我们指出了当前面临的开放性挑战，例如：可扩展的专家评估方法、集成式多维度评估指标以及真实世界中的部署研究，并提出了未来的研究方向，以推动LLM驱动的医学问答系统在安全、可靠和透明方面的落地应用。