11 月 3 日提交的 MedPhysBench 提供十类医学物理计算生成器，并从相同输入构造同事工作表查错任务。研究在 1200 条测试样本上比较了 12 个模型。
作者发现，会算题与会检查他人错误并非同一能力。研究也披露部分屏蔽计算题目的设定问题，公开逐题结果；这是一项基准研究，不代表相关模型已获准用于临床决策。
来源：arXiv。
图片：研究论文中的实验与方法图，Omar Nusrat；CC BY 4.0；原论文图，未修改。
11 月 3 日提交的 MedPhysBench 提供十类医学物理计算生成器，并从相同输入构造同事工作表查错任务。研究在 1200 条测试样本上比较了 12 个模型。
作者发现，会算题与会检查他人错误并非同一能力。研究也披露部分屏蔽计算题目的设定问题，公开逐题结果；这是一项基准研究，不代表相关模型已获准用于临床决策。
来源：arXiv。
图片：研究论文中的实验与方法图，Omar Nusrat；CC BY 4.0；原论文图，未修改。