CardioComm

新的MyoCardBench基准评估心血管护理中的LLM

一个新的名为MyoCardBench的基准已被开发出来，用于评估大型语言模型（LLM）在真实心血管护理场景中的表现。该基准包含13个数据集共2,263个项目，用于测试七个LLM，其中GPT-5.4取得了最高的总体性能。虽然GPT-5.4在所有维度上都表现出色，但CardioECGRead和CardioEthics等特定任务的表现明显较低，这表明了未来LLM在专业医学领域的发展方向。