PulseAugur
中
实时 03:36:53

新的MedRealMM基准评估大型语言模型在真实世界多模态医疗咨询中的表现

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了MedRealMM，这是一个新的多模态基准，旨在评估大型语言模型（LLMs）在真实世界在线医疗咨询中的表现。与以往通常使用合成数据或省略视觉信息的基准不同，MedRealMM使用了来自中国一家互联网医院的去标识化医患互动数据，同时包含文本和医学图像。该基准采用了一个框架来识别具有挑战性的临床时刻，并根据医生精炼的评分标准评估LLM的响应，结果表明，尽管当前前沿模型能力强大，但在安全敏感的错误规避方面仍存在困难。 AI

影响 该基准有望推动医疗应用中AI安全性和推理能力的改进，促使模型更好地处理真实世界的临床复杂性。

排序理由 该集群描述了一篇介绍用于评估AI模型基准数据集的新学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的MedRealMM基准评估大型语言模型在真实世界多模态医疗咨询中的表现

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Runhan Shi, Quan Zhou, Yuqian Xu, Shuai Yang, Xin Wu, Zitong Zhou, Hui Liu, Bin Cha, Zheming Wang, Liya Li, Wei Wei, Haoyuan Hu, Jun Xu ·

    MedRealMM：中文在线医疗咨询的真实世界多模态基准

    arXiv:2607.09142v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly deployed in online medical consultation, yet existing benchmarks remain poorly aligned with real clinical practice. Many rely on synthetic conversations or patient simulators, omit patie…

  2. arXiv cs.AI TIER_1 English(EN) · Jun Xu ·

    MedRealMM：中文在线医疗咨询的真实世界多模态基准

    Large language models (LLMs) are increasingly deployed in online medical consultation, yet existing benchmarks remain poorly aligned with real clinical practice. Many rely on synthetic conversations or patient simulators, omit patient-uploaded medical images, or evaluate open-end…

相关实体

相关话题