Hx2Dx ARENA 预印本构建了包含 1000 个临床病例的交互评测。模型需要从初始表现出发，通过询问病史、体格检查和申请检验逐步获取信息。
这些病例来自《新英格兰医学杂志》的案例材料。团队比较多个开放及闭源模型后发现，交互环境中的诊断准确率都低于一次获得完整病历的静态环境。
论文指出，能否提出针对性问题，是模型间差距的重要来源。这是一项模拟评测，衡量的是信息获取与推理过程，不能直接等同于实际临床诊疗表现。
来源：arXiv 原文。
图片来源：论文作者 / arXiv。
- AI 研究
Hx2Dx ARENA 预印本构建了包含 1000 个临床病例的交互评测。模型需要从初始表现出发，通过询问病史、体格检查和申请检验逐步获取信息。
这些病例来自《新英格兰医学杂志》的案例材料。团队比较多个开放及闭源模型后发现，交互环境中的诊断准确率都低于一次获得完整病历的静态环境。
论文指出，能否提出针对性问题，是模型间差距的重要来源。这是一项模拟评测，衡量的是信息获取与推理过程，不能直接等同于实际临床诊疗表现。
来源：arXiv 原文。
图片来源：论文作者 / arXiv。