跳到正文
arXiv · NLP· Xueting Fang, Zehui Li, Yang Yang, Camilla Giovino, Shubh K. Patel, Shailly Prajapati, Vallijah Subasri, Caihua Shan·· 2026-10-07AI 评分37

KlinikeBench 评测揭示诊断准确率与临床交互能力的巨大差距

KlinikeBench: Evaluating Language Models Beyond Diagnostic Accuracy

AI 导读

KlinikeBench 发布 333 个由 35 名临床医生撰写的临床任务,用于评估 LLM 的完整临床诊疗流程,包括问诊、检查申请及诊断。该基准提供独立沙箱环境与虚拟患者,并对交互过程与最终诊断结果分别进行评分。

来源:arXiv · NLP · arxiv.org