arXiv · cs.AI· Xueting Fang, Zehui Li, Yang Yang, Camilla Giovino, Shubh K. Patel, Shailly Prajapati, Vallijah Subasri, Caihua Shan·· 1 天前
KlinikeBench：评估语言模型在诊断准确性之外的表现
KlinikeBench: Evaluating Language Models Beyond Diagnostic Accuracy
arXiv:2609.38480v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xueting Fang, Zehui Li, Yang Yang, Camilla Giovino, Shubh K. Patel, Shailly Prajapati, Vallijah Subasri, Caihua Shan
研究任务与主要进展
KlinikeBench是一个包含333个临床医生编写任务的语言模型评测基准，每个任务提供虚拟患者、临床工具和特定成功标准。基于论文摘要，31个模型和七个模型系列中，表现最佳者任务成功率低于30%，但诊断准确率达到90.7%，显示诊断准确性与完整交互式临床评估之间存在明显差距。研究还比较了对话式问诊与完整病历输入，并提供了代码和数据入口。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org