CLIR-Bench：首个专为不规则临床时序数据问答设计的评测基准

临床时间序列数据（如ICU监护记录）对患者监测和临床决策至关重要，但这些数据往往存在采样稀疏、时间间隔不规则、不同变量异步记录等特点，给AI模型的时序推理带来巨大挑战。现有医学问答基准多基于规整时序或静态数据，难以评估模型能否从真实临床场景的不规则观测中准确提取证据。

为此，研究团队构建了CLIR-Bench——首个专门针对不规则临床时间序列问答的评测基准。该基准通过四阶段标准化流程，基于脱敏ICU记录构建了6,600个问答实例，覆盖11项临床变量，并划分为4大能力维度和11项具体任务。每个问题均关联明确的时序证据链和答案推导规则，既可评估答案准确性，也能检验模型是否真正依据时序证据进行推理。

实验表明，当前通用模型在稀疏临床证据的检索与推理上表现不佳，突显了开发更强不规则时序推理方法的迫切性。该基准已开源，旨在推动临床时序AI研究向更贴近真实场景的方向发展。