研究人员开发了 DOSEBENCH，这是一个旨在评估大型语言模型（LLM）在非处方药剂量问题中处理时间不确定性能力的新基准。该基准包含 81 个涉及对乙酰氨基酚和布洛芬的场景，侧重于跟踪剂量时间和遵守产品标签限制等关键推理。初步评估显示，大型语言模型在滚动窗口计算和模糊案例方面经常遇到困难，常常给出听起来自信但错误的剂量建议。 AI
影响 凸显了大型语言模型在安全关键型时间推理方面的局限性，表明需要改进医学问答模型。
排序理由 该集群包含一篇介绍用于评估大型语言模型能力的基准的学术论文。[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 →