仅靠 AI 就比独立医生好 4 倍？OpenAI HealthBench 数据震撼，o3 太强了！
OpenAI发布HealthBench医疗AI评估新基准，通过全球60国262名医生合作创建庞大数据库，旨在推动医疗AI发展。最新模型o3表现优异，接近人类医生水平；同时揭示AI在某些任务上超越了部分医生的表现。
HealthBench
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨，OpenAI开源了面向医疗大模型测试的HealthBench。该测试集由262名医生打造，包含5000段对话，采用多轮对话形式，显著提升了大模型在医疗领域的表现。HealthBench展示了7个主题和5个轴来评估模型性能，包括准确性、完整性等。