跳到正文
热点事件持续更新

研究者发布WHBench女性健康LLM评测基准

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

研究者发布女性健康评测基准WHBench,包含10个女性健康主题下47个专家设计的场景,用于暴露过时指南、不安全遗漏、剂量错误和公平性盲区等临床失败模式。基准已公开可用,支持模型间对比。 评测22个模型共3,102次响应(其中3,100次计分),结果显示无模型平均分超过75%,最佳模型为72.1%。作者同时强调模型在临床部署仍需专家监督。

AI 根据报道生成 · 38 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    WHBench:面向女性健康主题、结合专家在环验证的前沿 LLM 评测基准

    研究者推出 WHBench(Women's Health Benchmark),包含 10 个女性健康主题下 47 个专家设计的场景,用于暴露过时指南、不安全遗漏、剂量错误和公平性盲区等临床失败模式。评测 22 个模型共 3,102 次响应(3,100 次计分),无模型平均分超过 75%,最佳模型为 72.1%。该基准公开可用,支持模型间对比评估,同时强调临床部署仍需专家监督。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。