arXiv · cs.AI· Anurag Sharma, Aditya Sharma, Sapna Baalwan·· 8 小时前
ClinEdge：前沿多模态模型在真实患者边缘病例上的专家评分基准
ClinEdge: An Expert-Graded Benchmark of Real Patient Edge Cases Where Frontier Multimodal Models Fail
arXiv:2610.15239v1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：Anurag Sharma, Aditya Sharma, Sapna Baalwan
研究任务与主要进展
ClinEdge 汇集临床实践中的32个去标识化真实患者病例，涵盖主要影像、简短病例描述和已知会诱导模式匹配的影像特征，并由七个前沿系统完成224次专家评分评估。评估结果显示各系统整体表现不佳，不同厂商会遗漏相同发现、给出相似但错误的治疗计划；研究还归纳出五类、18种反复出现的失败模式。研究当前公开其中4个病例，其余28个病例保留供前沿AI实验室和医疗AI公司评测。
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