研究人员开发了一个名为Trick-or-Treat的新基准,用于评估前沿AI模型的多模态医学推理能力,特别关注它们解读配对的胸部X光片和临床照片的能力。该基准使用合成临床照片创建对抗性场景,其中照片的发现故意与X光片的发现不匹配,从而揭示了当前模型中显著的幻觉行为。当呈现这些不匹配的配对时,前沿模型在45%到57.5%的时间里错误地识别了照片中的临床显著发现,通常会覆盖X光片的信息,以符合幻觉的照片诊断。 AI
影响 强调了AI医学推理能力中潜在的风险,表明需要更强大的对抗性测试。
排序理由 该集群包含一篇详细介绍用于评估AI模型的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- acne
- arXiv
- chickenpox
- Clinical photographs: the gold standard, an update
- Radiographs Illustrating the Report of the Shoe Board Meeting at Fort Leavenworth, Kansas (NAID 4700545)
- Trick or Treat
- Varicella pneumonia
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →