患者人格：透過受控多樣性與選擇性披露實現真實患者模擬
arXiv - Computers and SocietyMoritz Schlager, Friederike Jungmann, Samuel Schmidgall, Philipp Raffler, Franziska Hartl, Eva Wende, Paula Ro{\ss}m\"uller, Conrad Ketzer, Avinatan Hassidim, Dale R. Webster, Yossi Matias, Yun Liu, Daniel Rueckert, Mike Schaekermann, Paul Hager
利用 HEXACO 人格參數化，創建可控且真實的虛擬患者，提升 LLM 交互測試的準確性與可調性。
AI 幫你先抓重點
AI 重點 1
HEXACO 人格參數化精準調控患者行為，避免過度資訊披露
滑鼠懸停看 AI 判斷理由
此機制克服傳統模擬器資訊過度披露的缺陷，提供更安全、可控的測試環境，對 LLM 臨床應用驗證至關重要。
AI 重點 2
臨床評估顯示 PWP 與錄製人類演員真實度相近，且資訊過度披露率低
滑鼠懸停看 AI 判斷理由
證明 PWP 可作為高效且成本低廉的替代方案，縮短 AI 研發週期，對醫療 AI 研發者與教育者皆具實務價值。
核心研究發現
- 1
PWP 在臨床評估中被評為與實際錄製人類演員相近的真實度，且在過度資訊披露方面的頻率顯著低於先前模擬器。
- 2
透過 HEXACO 六維人格參數化，可細緻調控對話風格、合作度與資訊披露，並能在臨床人員與自動評分者中復原設定特質。
- 3
PWP 的多樣性覆蓋範圍遠超最接近的基線模擬器，且能有效避免資訊過度披露，為 LLM 交互測試提供更準確且可調的患者模擬。
對教育工作者的啟發
醫療教育者可將 PWP 內建於模擬實驗室，透過 HEXACO 參數調整患者人格，創造多樣化病患情境，讓學生練習溝通、資訊披露與共情。此框架亦可作為評量工具，透過自動評分器回饋學生對話風格與資訊處理能力，提升學習成效。
原始文獻資訊
- 英文標題：
- Patients With Personality: Realistic Patient Simulation through Controlled Diversity and Selective Disclosure
- 作者：
- Moritz Schlager, Friederike Jungmann, Samuel Schmidgall, Philipp Raffler, Franziska Hartl, Eva Wende, Paula Ro{\ss}m\"uller, Conrad Ketzer, Avinatan Hassidim, Dale R. Webster, Yossi Matias, Yun Liu, Daniel Rueckert, Mike Schaekermann, Paul Hager
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。