大型语言模型在本科生根管治疗学选择题上的表现

《BMC Oral Health》：Performance of large language models on undergraduate endodontic multiple-choice questions

　　

摘要

研究目的

本研究旨在评估三种大型语言模型（LLM），即ChatGPT-5.2、Gemini-3和DeepSeek-V3.2，在不同日期和不同时间针对本科牙髓病学教育相关选择题的回答准确性与一致性。

材料与方法

研究共设计了60道基于文本的选择题，涵盖牙龋、牙髓炎、根尖周炎、根尖周脓肿、牙根折断和牙根吸收六大本科牙髓病学主题。在连续四天的时间里，每天在上午、下午和晚上三个时段分别向这三种模型提出相应问题。通过SPSS和R软件分析这些模型的回答准确率及一致性，统计显著性标准为

i

＜0.05，置信区间为95%。

研究结果

ChatGPT-5.2和Gemini-3的准确率与一致性均显著高于DeepSeek-V3.2（分别为

i

i

结论

先进的大型语言模型在回答本科牙髓病学选择题方面表现优异，可作为牙科教育中实用的辅助工具。不过，不同模型之间存在差异，且同一主题下不同问题的回答表现也不尽相同，因此在将这些模型生成的答案用于教学之前，有必要对其进行严格评估。