arXiv Artificial Intelligence· Alfredo Madrid-Garc\'ia, Beatriz Merino-Barbancho·· 18 小时前AI 评分35
Jev 1.13 医学基准评测：与 GPT-6 Sol 对比准确率与校准
Jev in Medicine: A Benchmark Evaluation
AI 导读
Jev 1.13 在四项医学基准上与 GPT-6 Sol 对比评测，PubMedQA 准确率 78.4% 对 78.2% 相当，MetaMedQA 74.8% 对 82.7% 偏低，DiagnosisArena-MCQ 59.8% 对 82.4%、NEJM 病例 61.8% 对 82.4% 明显落后。
来源：arXiv Artificial Intelligence · arxiv.org