规范复测 #2

DeepSeek 思考开关对照：快速模式 vs R1 深度思考

🎯 核心理念 / Core Philosophy

AI 是医生的辅助工具，而非替代者。我们利用 AI 协助医生对照临床指南、发现病例中可能漏掉的疑点，并指向指南的具体章节和页码。最终治疗决策仍由医生基于循证医学做出。

2026-08-01 · 谭好升 · 同一病例 · 20 次重复 · 16 项/100 Rubric

核心结论

开启深度思考（R1）后，DeepSeek 均分从 69.8 提升至 86.6，提升 +16.8 分。
极差从 12 扩大到 14——高时 92、低时 78，输出质量波动略有增加但仍可控。

快速模式（关思考）

69.8 / 100

极差 12 | 标准差 3.5

R1 深度思考（开）
86.6 / 100
极差 14 | 标准差 4.4

提升

+16.8

显著提升

病例：60 岁女性，右乳单纯切除+前哨，符合以低级别导管内癌合并导管内乳头状癌为主的浸润性癌，癌肿最大径 0.6cm，切片内见 3 簇间质浸润，范围约 0.05cm、0.06cm、0.2cm，ER/PR 3+、HER2-、Ki-67 5%，出院误标 TisN0M0
输入：规范文本提示词（非截图），5 问版
评分：clinical-benchmark/framework 16 项/100 Rubric
跑测：同一框架，20 次重复，每次新建会话
设定差异：快速模式=关深度思考+自动联网；R1 模式=开深度思考+智能搜索（联网）

以下表格展示 16 个评分项在两种模式下的均值差异：

项目	满分	快速模式均分	R1 模式均分	提升
1.1 是否认同 TisN0M0	6	5.9	5.5	-0.4
1.2 分期修正	10	7.0	8.5	+1.5
1.3 分子分型	4	4.0	4.0	—
2.1 手术合理性+ALND	8	7.9	6.5	-1.4
2.2 辅助放疗	4	3.8	3.2	-0.5
3.1 化疗指征+多基因	10	7.9	9.5	+1.6
3.2a 内分泌必要性+差异	12	6.0	10.8	+4.8
3.2b AI vs TAM+年龄切点	10	6.0	10.0	+4.0
3.2c 药物剂量疗程	6	2.5	5.5	+3.0
3.2d OFS/延长/CDK4/6	6	1.5	4.0	+2.5
3.3 抗 HER2	4	4.0	3.5	-0.5
4.1 不良反应监测	6	2.5	3.0	+0.5
4.2 骨密度与生活方式	4	1.9	1.7	-0.2
4.3 随访计划	4	3.5	4.0	+0.5
4.4 对侧乳腺+BRCA	4	3.4	3.5	+0.1
5 把握度	2	2.0	1.3	-0.7
总分	100	69.8	86.6	+16.8

两种模式的 16 项逐项均分分别聚合为 7 个能力维度。开启深度思考后在内分泌治疗维度大幅外扩，但「把握度」反而更保守。

快速模式R1 深度思考百分比 = 16 项逐项均分之和 ÷ 满分

⭐ 总评星级（16 项均分之和 ÷ 100）

快速模式69.8/100★★★½☆3.5/5

R1 深度思考84.5/100★★★★☆4.2/5

深度思考将总分从 69.8 拉到 84.5（逐项表重算），内分泌治疗维度从 47% 跃至 89%，是最大分水岭；但两模式在「把握度」上均偏保守，且 R1 极差 14 分仍属不稳定。按需求选模式：复杂权衡开深度思考，标准决策快速模式已够。

深度思考主要改善了复杂决策场景：

⚠️ 注意：R1 模式极差 14 分（92→78），比快速模式 12 分略宽。

深度思考提升了上限，但也放大了波动：高分时（92 分）接近临床专家水平，低分时（78 分）仍会遗漏关键细节。