AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:信息获取×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月2日
11:59
11:59arXiv cs.AI@Yuxing Lu, Yushuhong Lin, Wenqi Shi, J. Ben Tamo, Xukai Zhao, Jinzhuo Wang, May Dongmei Wang
精选
ClinEnv 是一个交互式基准测试,用于评估大语言模型在真实住院病例中的临床决策能力。它模拟了医生在不确定性下逐步收集信息并做出不可逆决策的过程,每个病例被自动构建为有序的决策阶段,模型必须主动查询四个专业智能体后才能做出诊断和治疗决策。评估结果显示,最强模型仅达到0.31的决策F1分数,且结果质量与过程质量严重脱钩——模型在恢复出院诊断上表现较好(0.51 F1),但在管理行动上很差(0.17 F1),且会持续发出冗余查询。ClinEnv 揭示了传统结果导向评估无法捕捉的信息获取差距。
论文临床决策LLM评估住院模拟信息获取基准测试

推荐理由:医疗AI开发者终于有了一个能评估LLM临床推理过程的基准——ClinEnv不仅看结果,还看信息收集策略,做临床决策系统的团队值得关注。
原文
精选全部日报登录