研究人员推出了PRISM,一个旨在评估病理学基础模型可靠性的新基准。PRISM在四个关键领域评估模型:模型选择、标签可用性、校准和分布外迁移。该基准显示,虽然模型排名在完全监督下与校准相关,但在稀疏标签下,这种关系变得不一致。此外,PRISM强调温度缩放可能无法减少校准不足,并且在某些情况下添加源域标签可能会对目标校准产生负面影响。 AI
影响 为评估人工智能模型在医学病理学中的可靠性建立了新标准,有可能提高其在现实世界中的应用性。
排序理由 该集群描述了一篇介绍用于评估人工智能模型的新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →