IXThinker·2026-01-24 22:50

MedHELM框架評估AI真實臨床能力

大語言模型在醫學考試近乎滿分，卻難反映真實臨床複雜度。研究人員提出MedHELM，首個面向真實醫學任務的綜合評估框架：五大類、22子類、121項任務的分類體系，37項基準，並系統比較9個前沿模型。

分類體系

MedHELM的核心是一套經臨床醫生驗證的醫學任務分類體系：劃分為五大類、22個子類與121項具體任務，顆粒度遠比標準化醫學考試貼近真實的臨床工作場景。