研究者提出临床推理评估量规，尚无实测检验

三位研究者于9月29日在arXiv发布一份量规提案，用于给大模型回答临床病例时的推理过程打分。

量规把医学教育里的评估框架（如OSCE、SCT）与MedR-Bench、HealthBench等临床基准、以及通用推理评估研究整合到一起，对自由文本回答做多维评分，并单独标记病例特定的安全关键错误。

作者明确说明：该量规尚未做评分者间信度、构念效度或临床效用检验，也不替代现有基准的任务指标，目前只是让评估决策显式化、可审查。能否被实际采用，看后续实证结果。