EpiQAL：流行病学问答与推理基准

可靠的流行病学推理需要综合研究证据以推断疾病负担、传播动力学和干预效果。现有医学问答基准主要侧重临床知识或患者水平推理，鲜有系统评估以证据为基础的流行病学推理。我们提出 EpiQAL，首个覆盖多种疾病的流行病学问答诊断基准，包含三个子集源自公开文献。三个子集依次测试事实记忆、多步骤推理和在信息不完整情况下的结论重构，通过结合分类指导、多模型验证和难度筛选构建。十五个模型（包括开源和专有系统）的实验显示，当前 LLM 在流行病学推理方面表现有限，多步骤推理提出最大挑战。模型排名在不同子集间变化，规模alone不能预测成功。链式思维提示在多步骤推理中有益，但在其他情境下效果不一。EpiQAL 提供细粒度诊断信号，用于证据 grounding、推理推断和结论重构。