大语言模型生成高度近视考题能力评估
研究对比了ChatGPT-5.4、Gemini 3、DeepSeek、Kimi K2.5和Doubao五款公开大模型在高度近视领域生成单选题(MCQ)的能力。每模型完成60道题,共300题,覆盖基础理论、临床案例、诊疗决策及筛查随访四类内容。所有模型结构合格率均为100%,但关键答案准确率从95.0%(Kimi K2.5、Doubao)到100.0%(ChatGPT-5.4、Gemini 3)不等。专家评审发现各模型在干扰项质量与事实准确性上存在显著差异,需人工审核方可用于教学。