在医疗咨询、在线教育、临床培训等领域，智能系统正越来越多地充当“评价者”：判断一段健康建议是否合格、一份答卷是否高质量、一条处置流程是否规范。但要让机器的评价更接近专业评审的思路、减少机械打分带来的偏差，仍是智能技术进入关键场景时必须解决的问题。近期，哈佛医学院生物医学信息学系牵头，联合哈佛大学对应的研究机构以及麻省理工学院、布罗德研究所等团队，在预印本平台发布研究成果，提出名为“Qworld”的方法框架，目标是让评价系统面对不同问题时能够“因题设标”，动态生成评分依据，而不是沿用固定模板。
这项研究为智能评价如何摆脱固定模板、贴近专业评审思路提供了新的路径，也提示我们：人工智能的价值不只在于复现结果，更在于能否理解问题背后的判断逻辑。当机器逐步具备“因题制宜”的能力，人机协作的专业服务有望深入走向可靠与可控。