System 1 模型在 86 个临床任务零样本评测

四项 System 1 模型在零样本设定下，于 86 个临床任务、179,111 个案例中完成评测，覆盖 14 个临床领域与 20 种语言，任务涵盖考试题目与医学影像。 医学知识任务平均 AUROC 达 0.94；但影像任务表现显著低于文本任务，平衡准确率较生成式模型低 3 至 5 个百分点。 单次决策耗时 0.34 至 0.44 秒，能耗 24 至 81 焦耳，速度比生成式模型快 11 至 76 倍。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。