arXiv · cs.CL· Alfredo Madrid-García·· 17 小时前AI 评分26
Decision 与 System One 模型在风湿病学考题和诊断病例中的准确性与校准评估
Decision and System One models in rheumatology: accuracy and calibration on specialty-training examination questions and diagnostic case vignettes
来源与原文
arXiv · cs.CL
作者：Alfredo Madrid-García
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/2610.40318v1
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
一项研究评测了四个 System One 模型（Jev 1.13、Clef、Microsoft-Decision-1、Laya）和 GPT-6 Luna 在 172 道风湿病学专科考题与 70 个 RheumBench 诊断病例上的表现。Jev 在西班牙语考题上准确率达 93.0%，但诊断病例最高仅 50.0%，均低于 GPT-6 Sol 的 99.4% 和 76.9%；Laya 两个基准均接近随机水平，高置信度预测在病例上可靠性更低。
来源：arXiv · cs.CL · arxiv.org