决策模型与生成式大模型医学选择题基准对比

2026年10月30日，arXiv Artificial Intelligence 刊出 Oscar Freyer 等作者的基准评测研究，在纯文本条件下用 1,273 道四选项 MedQA 题，对比 13 个决策模型与 15 种生成式大语言模型配置（含不同推理设置）。报道称，决策模型准确率区间为 67.71%–89.08%，生成式大模型配置为 78.32%–96.86%。该研究同时涉及成本与可重复性维度，但现有报道未给出具体数值。目前事件进展停留在这一单篇评测结果的发布，尚无后续跟进报道，也未出现与早先报道数字或说法不一致的情况。

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。