arXiv：cs.CL（计算语言学，全量分类）· Xueting Fang, Zehui Li, Yang Yang, Camilla Giovino, Shubh K. Patel, Shailly Prajapati, Vallijah Subasri, Caihua Shan·· 3 小时前AI 评分53
KlinikeBench：超越诊断准确率的语言模型临床评估基准
KlinikeBench: Evaluating Language Models Beyond Diagnostic Accuracy
AI 导读
研究者推出 KlinikeBench，一个包含 333 个临床医生编写任务的基准，每个任务提供带虚拟患者、临床工具和成功标准的沙盒环境，评估语言模型在完整临床问诊中的表现。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org