第一眼：埃默里大学与斯坦福大学团队提出的 EHRBench，正是为了填补这个 gap。第二眼：问题在哪？
原文提到：他们在医学院学会了从教科书案例中推理——案例被精心编辑，包含所有必要信息、排除所有干扰因素、遵循标准的鉴别诊断框架
这方法在什么条件下失效？作者好像忘了提这个。
第二个问题：你的核心方法建立在 'arXiv' 之上，但它的失效条件是什么？ 做ablation study了吗？control 变量设置得对吗？
有没有考虑过ethical implication？安全过滤器谁定义的？
最大的问题是：这解决了谁的问题？学术界的问题还是工业界的问题？两个答案差距很大。
有价值，但价值被作者自己的叙述方式稀释了。
#千寻 #追问