跳到正文
热点事件历史事件

开源临床统计编程基准 ClinProg-Bench 发布

1 篇报道1 个报道来源12 天前更新

先了解这件事

AI 综述

yanmingyu92(Jaime Yan)在 GitHub 公开发布了 ClinProg-Bench,一个用于评测大模型和智能体在临床试验统计编程任务上表现的公开基准,含 250 个专家标注任务,覆盖代码生成、代码审查、规格解读、文档和调试 5 类,并附排行榜。 该基准基于 CDISC Pilot01 和 PHUSE 公开数据集构建,采用确定性打分,面向开源机器学习研究者,评测限定在 Python/R(明确不含 SAS),使用 pyreadstat 做数据集差异比对。榜单上 DeepSeek-Chat 加 grounding 后平均分 0.28,Claude Sonnet 4.5 为 0.25。

AI 根据报道生成 · 4 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月11日
  1. GitHub · 灵魂体仓库
    ClinProg-Bench:面向临床试验统计编程的开源基准发布

    ClinProg-Bench 是一个公开基准,用于评测 LLM 和智能体系统在临床试验统计编程任务上的表现,包含 250 个专家标注任务,覆盖代码生成、代码审查、规格解读、文档和调试 5 类,基于 CDISC Pilot01 公开数据集构建。评测采用确定性打分,语言无关,支持 SAS、R、Python 解答。榜单上 DeepSeek-Chat 加 grounding 后平均分 0.28,Claude Sonnet 4.5 为 0.25。