研究者发布交互式临床推理基准Hx2Dx Arena
热点事件持续更新
研究者发布交互式临床推理基准Hx2Dx Arena
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
Federico Ravenda 等研究者发布 Hx2Dx Arena，一个基于《新英格兰医学杂志》1000 个病例构建的交互式对话式临床推理评测基准，模拟从问诊、体格检查到诊断检查的完整过程。 对开源与闭源大语言模型的评测显示，交互模式下所有模型的诊断准确率均低于静态模式下给定完整病例的表现，且模型间差异显著。作者称，结果表明 LLM 在已有数据时推理能力良好，但在假设驱动的信息收集、即“知道该问什么”方面仍不足。
AI 根据报道生成 · 1 小时前更新
最新进展11月11日 13:00
Hx2Dx Arena：基于 NEJM 1000 例的多模态对话式临床推理评测基准报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIHx2Dx Arena：基于 NEJM 1000 例的多模态对话式临床推理评测基准
研究者推出 Hx2Dx Arena，一个基于 NEJM 1000 个病例构建的交互式对话式临床推理评测基准，模拟从问诊、体格检查到诊断检查的完整过程。对开源与闭源 LLM 的评测显示，交互模式下所有模型的诊断准确率都低于静态模式下给定完整病例的表现，且模型间差异显著。结果表明 LLM 在已有数据时推理能力良好，但在假设驱动的信息收集、即“知道该问什么”方面仍然不足。
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。