arXiv · AI· Omar Nusrat·· 8 小时前AI 评分34
MedPhysBench 评测大模型在医学物理计算与错误检测中的表现
MedPhysBench: A Benchmark for Evaluating Language Models on Medical Physics Calculations and Error Detection
AI 导读
研究发布 MedPhysBench 基准，涵盖 1,200 道医学物理计算题与错误检测任务，用于评估大模型在放疗、影像等领域的准确率。在计算任务中，12 个模型得分介于 33.3% 至 100.0%，其中表现最佳的四个模型准确率达 99.3%-100.0%。五个模型能检测出 96.7% 以上的植入错误，误报率不超 4%，而 Claude Opus 5.5 在特定错误检测中接受率达 6/20。
来源：arXiv · AI · arxiv.org