开放语言模型西班牙MIR考试表现研究

2026年10月23日，一篇arXiv论文评估开放语言模型在西班牙MIR住院医师考试中的表现。研究让四个8至27B参数的开源模型按考试规则作答八个版本共1,552道题。结果显示，三个较大模型可排进约前600至3,000名，仍有41至43个专科可选。弃答从不划算：即使最没把握的答案，正确率也高于25%的盈亏线。医学微调降低了过度自信，但牺牲准确率，且未改善置信度对正误的区分能力。13%至38%的正确答案以临床不成立的理由排除干扰项；移除或替换所给图像后准确率不变。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。