评测与基准arXiv 2610.08585·10月6日研究：无关信息污染患者病历并干扰 LLM 临床推理构建 MedDistract 基准，测量偶发信息对临床文书与推理的污染arXiv2610.08585发表10月6日层应用层场景LLM 应用被测模型GPT-5.4、GPT-5.6 Sol、Claude Opus 5 等 9 个风险幻觉与编造组件音频深度解读完整解读