论述LLM在保守背景下的SRH应用：破除神话与隐喻之间的界限
计算机与社会
2025-11-05 v1 人工智能
人机交互
摘要
低收入国家导致近九成产妇死亡，其中巴基斯坦是2023年贡献近半数死亡案例的前四大国家之一。由于这些死亡大多可被预防，大语言模型（LLM）可通过自动化健康沟通和风险评估来帮助解决这一危机。然而，保守背景下的性与生殖健康（SRH）沟通常依赖含糊语言掩盖信息， complicating LLM干预。我们在巴基斯坦开展两阶段研究：（1）分析临床观察、访谈和焦点小组中医生和患者的数据；（2）评估五种流行LLM对该数据的解读能力。我们的分析识别出两类沟通维度（指涉领域与表达方式），并指出LLM在临床交互中处理语义漂移、谣言和多义性方面存在挑战。我们贡献：（1）SRH沟通的实证主题；（2）间接沟通的分类框架；（3）LLM性能评估；（4）文化嵌入式SRH沟通设计建议。
引用
@article{arxiv.2511.01907,
title = {Between Myths and Metaphors: Rethinking LLMs for SRH in Conservative Contexts},
author = {Ameemah Humayun and Bushra Zubair and Maryam Mustafa},
journal= {arXiv preprint arXiv:2511.01907},
year = {2025}
}