面向临床场景的 NurValues：护理价值评估基准
计算与语言
2026-01-29 v2
摘要
尽管大型语言模型 (LLM) 已在医学知识和对话能力方面取得显著进展，但其在临床实践中的部署带来了新的风险：患者可能更愿意信任 LLM 生成的回答，而非护士的专业判断，从而加剧护士-患者冲突。这种风险凸显了迫切需要评估 LLM 是否与人类护士所遵循的核心护理价值相吻合的紧迫性。本工作引入首个护理价值对齐基准，包含从国际护理准则中提炼的五个核心价值维度：Altruism（无私）、Human Dignity（人类尊严）、Integrity（诚信）、Justice（正义）和 Professionalism（职业精神）。我们定义了两个层次的任务，考虑到新兴护士-患者冲突的两个特征。Easy-Level 数据集包含 2,200 组与护理价值一致或违反价值的实例，这些实例通过在三个不同层次医院的五个月纵向研究收集；Hard-Level 数据集包含 2,200 组嵌入情境线索和微妙误导信号的对话式实例，这些实例增加了对抗性复杂性，更好地反映了在护士-患者冲突情境中叙述者主观性和偏见。我们对 23 项最新 LLM 进行了护理价值对齐能力的评估，发现通用 LLM 在医学 LLM 中性能更好，Justice（正义）是最具挑战性的价值维度。作为首个面向医疗健康价值对齐的真实世界基准，NurValues 为 LLM 在临床医生-患者互动中应对伦理挑战提供了新视角。
引用
@article{arxiv.2505.08734,
title = {NurValues: Real-World Nursing Values Evaluation for Large Language Models in Clinical Context},
author = {Ben Yao and Qiuchi Li and Yazhou Zhang and Siyu Yang and Bohan Zhang and Prayag Tiwari and Jing Qin},
journal= {arXiv preprint arXiv:2505.08734},
year = {2026}
}
备注
39 pages, 9 figures, 24 tables