比利时研究团队开发了MetaMedQA评估基准，以测试大语言模型（LLMs）在医学推理中的表现，尤其是识别知识盲区的能力。研究表明，尽管LLMs在准确率上表现良好，但在处理不确定性时存在系统性缺陷，未来需改进评估标准和模型的自我认知能力。