12 个开源模型 36 次作答全一致，却与医学题标准答案相左

MaziyarPanahi · x · 2026-11-03

博主 MaziyarPanahi 用一道产科考试题测试了 12 个顶级开源模型，每题跑 3 次共 36 次：题目是孕 32 周、破水约 26 小时并出现宫缩的孕妇，标准答案给的是剖宫产，而 36 次回答全部选择了引产，无一例外。

从截图看，题目给出的是胎心反应良好、无减速、生命体征平稳的病例，模型一致倾向保守引产而非手术。作者向医生群体提问谁对——这既可能是模型集体翻车，也可能是题库答案本身有争议，评论区正在讨论。