跳到正文
热点事件持续更新

SaFE-Scale框架与RadSaFE-200基准发布

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

2026年11月9日，Sebastian Wind等作者在arXiv发表研究，提出Safety-Focused Evaluation of Scaling（SaFE-Scale）评测框架，并构建RadSaFE-200基准。该基准为200道基于文本的放射科多选题，含临床医生定义的干净证据、冲突证据，以及选项级的高风险错误、不安全答案和证据矛盾标签。研究在六种部署条件下评测34个本地大语言模型。结果显示，使用医生撰写的干净证据时，平均准确率从73.5%升至94.1%，高风险错误从12.0%降至2.6%，危险过度自信从8.0%降至1.6%。报道称临床大模型的安全性与准确率在不同部署条件下出现分化。

AI 根据报道生成 · 12 小时前更新

最新进展11月9日 13:00
临床大模型的安全性与准确率在不同部署条件下出现分化

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv Artificial Intelligence
    临床大模型的安全性与准确率在不同部署条件下出现分化

    研究提出 SaFE-Scale 评测框架，并在含 200 道放射科选择题的 RadSaFE-200 基准上评测 34 个本地 LLM 的六种部署条件。使用医生撰写的干净证据时平均准确率从 73.5% 升至 94.1%，高风险错误从 12.0% 降至 2.6%，危险过度自信从 8.0% 降至 1.6%。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

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。