临床模型是否会改变治疗决策？

临床基础模型通常通过事实性或考试式医学问答进行评估，但治疗决策必须在患者背景变化时进行相应调整。我们提出ClinPivot，一个基于生物医学关系并对患者背景进行变换的可审计治疗决策基准数据集。ClinPivot 询问模型在新的临床约束改变行动空间后，是否会正确更改治疗选择。我们发现，强大的医学问答性能并不可靠地预测决策表现：前沿模型和任务适配型Qwen变体常常未能正确更改决策，模型排名在不同评估情境下会发生变化。决策结构化监督可改善对灵敏变换的决策能力和匹配知识预算下的医学问答，而轻量级回放可减少通用助理能力的损失。