新的 MedCalc-Pro 基准测试评估 LLM 在复杂医学计算方面的能力

研究人员推出了 MedCalc-Pro，这是一个旨在评估大型语言模型 (LLM) 在复杂医学计算方面能力的新基准测试。该基准测试通过纳入多计算器和嵌套计算器场景，超越了简化的设置，反映了现实世界的临床需求。MedCalc-Pro 包含 77 个医学计算器和 14 个科室的 2,268 个案例。为了解决性能限制，该团队还提出了一个新颖的代理框架，该框架增强了多工具选择和嵌套工具调用，并在各种 LLM 上展示了卓越的结果。 AI

影响 该基准测试和框架可以加速 LLM 在医学等专业领域的开发和应用。

排序理由 该条目描述了一个新的学术基准测试和评估 LLM 的方法论，已在 arXiv 上发布。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• large-language models
• Litmaps
• LLM agents
• MedCalc-Pro
• ScienceCast
• scite Smart Citations

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →