IXThinker·2025-03-18 11:30

醫療推理基準MedR-Bench 揭AI診症短板

推理增強大語言模型如DeepSeek-R1與OpenAI-o3在醫療領域表現如何？最新研究推出專注醫療推理的基準MedR-Bench，不只看最終答案，更首次對模型的推理鏈條作多維度評估，為醫療AI發展提供新的評測標準與方向。

基準設計

MedR-Bench收錄1453個病例，覆蓋13個身體系統及10類專科疾病，兼顧常見病與罕見病。有別於以往僅關注結果的評測，基準從評估建議、診斷決策到治療規劃三大臨床階段切入，全面剖析模型的推理過程。