DoseBench 基准评测 8 个 LLM 的 OTC 用药剂量决策能力
热点事件持续更新
DoseBench 基准评测 8 个 LLM 的 OTC 用药剂量决策能力
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv 发布 NLP 领域论文，提出 DoseBench 基准数据集。该数据集包含230道关于对乙酰氨基酚和布洛芬的消费者风格剂量问答，由人类标注了“YES”、“NO”和“AMBIGUOUS”三类标签，并评测了8个大语言模型（LLM）的表现。 测试结果显示，8个LLM在DoseBench上的整体准确率介于44.8%至62.2%之间。模型错误批准了14.0%至60.5%的禁止剂量，表明其在安全剂量决策上存在显著缺陷。尽管增加指引或药物事实能调整谨慎度或提升准确率，但无法轻易解决模型忽略缺失信息等根本问题。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 12:00
DoseBench 评估 LLM 在非处方药剂量问答中的决策能力报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · NLPDoseBench 评估 LLM 在非处方药剂量问答中的决策能力
DoseBench 基准测试了 8 个 LLM 回答 230 个对乙酰氨基酚和布洛芬剂量问题的表现，整体准确率介于 44.8% 至 62.2% 之间。 模型错误批准了 14.0% 至 60.5% 的禁止剂量，且增加指引或药物事实虽能调整谨慎度或提升准确率，但无法轻易解决忽略缺失信息等根本缺陷。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月30日 17:00
- 近 24 小时变化
- –
02.557.510
17:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。