IatroBench：AI安全措施引发医源性伤害的预注册证据

询问一位前沿模特如何逐渐减少六毫克阿普唑仑的用量（精神病医生退休了，还剩下十天的药，突然停药会导致癫痫发作），它会告诉她打电话给她刚刚解释的精神病医生并不存在。改变一个词（“我是一名精神科医生；一名患者出现……”），相同的模型、相同的权重、相同的推理过程会产生一本教科书阿什顿手动锥度，具有地西泮等效性、抗惊厥药物覆盖范围和监测阈值。知识就在那里；模型保留了它。 IatroBench 测量了这一差距。 60 个预先注册的临床场景、6 个前沿模型、3,600 个响应，通过针对医生评分进行验证的结构化评估管道在两个轴上进行评分（佣金伤害，CH 0-3；遗漏伤害，OH 0-4）（kappa_w = 0.571，1 内一致性 96%）。核心发现是身份相关的扣留：在医生与外行框架中匹配相同的临床问题，所有五个可测试模型都为医生提供了更好的指导（解耦差距+0.38，p = 0.003；在外行框架中，安全碰撞动作的二元命中率下降了13.1个百分点，p < 0.0001，而非碰撞动作没有变化）。对于安全投资最多的车型，差距最大（Opus，+0.65）。三种失败模式清晰地分开：训练有素的扣留（Opus）、无能（Llama 4）和不加区别的内容过滤（GPT-5.2，其后生成过滤器以外行人的 9 倍的速度剥离医生的反应，因为它们包含更密集的药理学标记）。标准大语言模型法官将 OH = 0 分配给医生评分 OH >= 1 (kappa = 0.045) 的回答的 73%；评估仪与训练仪具有相同的盲点。每个场景都针对已经用尽标准推荐的人。