LLM的认知盲区：跨模型归因差异揭示结构化临床数据中的未知边界

随着大语言模型越来越多地应用于结构化临床数据，其能否识别自身知识边界的问题尚未得到充分探索。一项最新研究通过跨模型归因差异分析，对比了Qwen 2.5 7B与XGBoost在预测任务中的表现，揭示了四个关键发现：

首先，LLM的口头置信度在认知层面缺乏实质意义。无论模型准确率是49%还是75.3%，其输出的置信度始终维持在0.856-0.937之间，更多反映提示格式而非预测质量。

其次，LLM表现出“逆难度效应”：当XGBoost准确率达到99%时，LLM准确率反而降至64.8%；但当XGBoost存在适度不确定性时，两者表现相当（73.8% vs 73.1%）。

第三，少样本示例与SHAP特征证据是正交且超加性的干预手段。它们能将归因分歧分数从1.54降至0.38，并将准确率从49%提升至75.3%，且无需额外训练。

第四，基于归因差异信号的跨模型校准器，可将预期校准误差从0.254降至0.080，用针对特定病例的可靠性估计替代无信息量的口头置信度，且无需访问模型内部或重复推理。

研究将这些发现归结为LLM处理结构化数据时的“冷启动”问题，并为实现真正的认知自我意识指明了路径。