GPT5-mini

新的基准揭示了 LLM 在动态临床决策中的局限性

研究人员开发了新的基准来评估大型语言模型 (LLM) 在动态临床决策场景中的能力。MedSP1000 源自标准化患者案例，评估 LLM 随时间管理患者护理的能力，显示即使是 GPT-5.5 等顶级模型也只能满足专家标准的约 60%。同样，多模态 LLM BreastGPT 在 BreastStage-Bench 上针对乳腺癌护理进行了评估，显示出潜力但突出了对与工作流程一致的数据的需求。ClinicalMC 为多疗程临床决策提供了另一…