跳到正文
arXiv · AI· Sneha Maurya, Spandana Govindgari, Girish Kumar·· 2 天前AI 评分23

WHBench:基于专家在环验证的女性健康前沿 LLM 评测基准

WHBench: Evaluating Frontier LLMs with Expert-in-the-Loop Validation on Women's Health Topics

AI 导读

WHBench 基准包含 47 个专家定制场景,评测 22 个模型在女性健康领域表现。 使用 23 项标准评估,3100 个有效响应中最高分仅 72.1%,无模型均值超 75%。 基准公开,旨在追踪更安全、公平的女性健康 AI 进展。

来源:arXiv · AI · arxiv.org