热点事件观察中

MedPhysBench医学物理评测基准发布

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Omar Nusrat 团队在 arXiv 发布 MedPhysBench，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与错误检测能力的基准，含 1200 项留出测试集。测试结果显示，12 个模型在计算题上得分 33.3%–100.0%；五个模型能检出至少 96.7% 的植入错误，误报不超过 4%。其中 Claude Opus 5.5 在自己的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。

AI 根据报道生成 · 11 小时前更新

最新进展11月4日 02:40

MedPhysBench：评估语言模型医学物理计算与错误检测能力的基准

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

02:40
arXiv · cs.CL
MedPhysBench：评估语言模型医学物理计算与错误检测能力的基准
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。

本事件热度走势

可比范围当前: 4
可比范围峰值: 511月5日 03:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。