OpenAI 发布并开源医疗测试基准 HealthBench，旨在更好地衡量 AI 系统在医疗健康领域能力

来源：顺福游戏园 时间：2025-05-13 15:21:39

本站 5 月 13 日消息，OpenAI 今日宣布推出了一个专门面向医疗大模型的测试评估集 ——HealthBench 并开源，旨在更好地衡量 AI 系统在医疗健康领域能力。

与以往测试集不同的是，HealthBench的 5000 段核心测试对话，由来自 60 个国家 / 地区的 26 个专业 262 名医生打造，极大增强了该测试集的难度、真实性以及丰富度。

与以前的狭窄基准不同，HealthBench 通过 48562 个独特的医生编写的评分标准进行有意义的开放式评估，涵盖多个健康背景（例如，紧急情况、全球健康）和行为维度（例如，准确性、遵循指示、沟通）。

此外，HealthBench采用了多轮对话测试，而不是简单的答题或选择题模式。本站注意到，测试数据显示大模型在医疗保健领域的表现有了显著提升。例如，从之前的 GPT-3.5Turbo 的 16% 到 GPT-4o 的 32%，再到 o3 的 60%，整体性能有了显著进步。尤其是小型模型的进步更为突出，GPT-4.1nano 不仅在性能上超越了 GPT-4o，而且成本降低了 25 倍。

参考资料：

  • 《HealthBench: Evaluating Large Language ModelsTowards Improved Human Health》

精品推荐 更多+
  • QQ影音手机版
    QQ影音手机版

    QQ影音手机版是腾讯公司推出的一款视频播放器软件，一站式的资源聚合和搜索功能，不论是流行的RMVB、AVI、MP4，还是不常见的VOB、DivX等多种格式，都能解析，无需进行手动操作。对于经常需要无网

    游戏资源 12-24

  • 跑跑卡丁车下载
    跑跑卡丁车下载

    跑跑卡丁车下载是一款专为手机用户设计的3D卡通休闲赛车竞速游戏。游戏继承了经典的端游玩法，带来了丰富的主题赛道、刺激的道具决战以及多人竞争等特色，给玩家带来无与伦比的竞速体验。

    游戏资源 02-24

  • 我们之间的恶魔下载
    我们之间的恶魔下载

    ‌我们之间的恶魔下载是一款精彩又好玩的解密闯关类游戏‌。玩家在游戏世界中需要与各种各样的恶魔展开激烈的对抗，通过发挥自己的游戏闯关能力和技能，快速击溃敌人，获取奖励，并利用这些奖励来升级武器设备‌。游

    游戏资源 11-16

最新录入 更多+
  • 晴天影视
    晴天影视 4

    晴天影视App专为热爱观影的你量身打造，让追剧体验更轻松、更畅快。平台精心收录全网优质影视内容，从热播国产剧到日韩佳作、欧美劲片，应有尽有，精彩不设限。晴天影视安卓版画质清晰，播放流畅，让你随时随地畅

  • 快手
    快手 4

    快手看世界是一款充满创意与趣味的短视频分享平台，凭借其强大的视频编辑和特效功能，吸引了广泛用户的青睐。与普通版本不同，它为用户提供了更多互动与创作的空间，让你能轻松与全球创作者交流，了解他们的生活与创

  • 乐柔影视
    乐柔影视 4

    乐柔影视给喜欢看剧、追综艺、爱电影的你，带来一种轻松便捷的观影方式。不管是在公交车上、地铁里还是夜深人静的时刻，只要提前缓存好视频，随时随地都能打开回味精彩剧情。乐柔影视的界面清爽、逻辑清晰，新用户也

  • emo音乐
    emo音乐 4

    emo音乐凭借其卓越的功能设计和大量音乐资源，已经成为音乐爱好者日常生活中的必备应用之一。emo音乐突破了传统音乐播放器的界限，不只支持多种音频格式，还特别注重用户体验，力求让每一位使用者都能在不同的

  • 枫叶音乐盒安卓版
    枫叶音乐盒安卓版 4

    枫叶音乐盒安卓版是专为音乐爱好者打造的全能听歌工具，突破了传统音乐平台的版权限制，支持多平台歌单导入，并能实现跨平台资源的无缝对接。用户不只能够轻松找到自己喜爱的歌曲，还可以体验个性化推荐功能，精准推

热门推荐 更多+
游戏资源推荐 更多+
手游专辑 应用专辑
确定