# 聊天机器人评估

这项探索性横断面研究将68条由研究者编写、经证据映射的英文提示（每条包含虚假、绝对化、不安全或有争议的前提）以独立单轮对话方式各提交一次给ChatGPT（GPT-5）、Gemini 2.5 Pro、Microsoft Copilot、DeepSeek-V3.2-Exp和豆包Seed-1.6，共获得340条完整回答，由五名临床医生独立评分，结果显示90.3%（307/340）的回答被判定为安全、33条（9.7%）不安全，各模型安全率介于85.3%至94.1%之间且总体安全比较无统计学意义（P=0.203，未被解读为等效），而准确性、证据一致性、错误信息纠正、不确定性沟通、透明度和可操作性六项评分均存在

这项探索性横断面研究将68条由研究者编写、经证据映射的英文提示（每条包含虚假、绝对化、不安全或有争议的前提）以独立单轮对话方式各提交一次给ChatGPT（GPT-5）、Gemini 2.5 Pro、Microsoft Copilot、DeepSeek-V3.2-Exp和豆包Seed-1.6，共获得340条完整回答，由五名临床医生独立评分，结果显示90.3%（307/340）的回答被判定为安全、33条（9.7%）不安全，各模型安全率介于85.3%至94.1%之间且总体安全比较无统计学意义（P=0.203，未被解读为等效），而准确性、证据一致性、错误信息纠正、不确定性沟通、透明度和可操作性六项评分均存在