IXThinker·2026-06-19 10:20

新基準評測大模型真實臨床文本理解能力

大語言模型在醫療領域潛力巨大，但現有評測體系多源於醫學考試或文獻，難以反映真實臨床語言現象。研究人員構建面向真實臨床文本的評測基準，更準確檢驗模型的實際能力，推動醫療人工智能落地。

現有評測局限

目前大多數醫學基準以考試題目或文獻文本為素材，與臨床環境中常見的縮寫、不規範表達、多源資訊混雜及跨學科推理存在明顯差距，導致模型在真實場景中的能力被普遍高估。