研究人员开发了FDARxBench,这是一个新的基准,旨在评估大型语言模型在处理复杂的FDA药品标签文件时的监管和临床推理能力。该基准由专家与FDA监管评估员合作创建,包括事实回忆、多跳推理和安全拒绝行为等任务。初步实验表明,当前模型在事实基础、长上下文检索和适当拒绝方面存在显著局限性,凸显了在监管级文件理解方面提高LLM性能的必要性。 AI
影响 该基准将推动LLM在监管和临床文件分析方面的准确性和安全性改进。
排序理由 该集群包含一篇介绍用于评估LLM能力的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Betty Xiong
- CatalyzeX
- DagsHub
- FDARxBench
- Gotit.pub
- Hugging Face
- ScienceCast
- United States Food and Drug Administration
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →