评测称System One模型风湿病学考题准、诊断弱
热点事件持续更新
评测称System One模型风湿病学考题准、诊断弱
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Alfredo Madrid-García 团队发布的评测论文称，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 RheumBunch 诊断病例上表现参差：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，且其高置信度预测在病例上可靠性更低。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 23:53
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报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.CLDecision 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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。