arXiv · cs.CL· Omar Nusrat·· 2 天前AI 评分32
MedPhysBench：评估语言模型医学物理计算与错误检测能力的基准
MedPhysBench: A Benchmark for Evaluating Language Models on Medical Physics Calculations and Error Detection
来源与原文
arXiv · cs.CL
作者：Omar Nusrat
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.05340v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
MedPhysBench 是一个评估语言模型在放射治疗、诊断影像、核医学和辐射防护中医学物理计算及错误检测能力的基准，含 1200 项留出测试集。12 个模型计算题得分 33.3%–100.0%，五个模型检出至少 96.7% 的植入错误且误报不超过 4%。Claude Opus 5.5 虽在自己计算中全部正确应用平方反比修正，却接受了 20 个错误结果中的 6 个。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。