PulseAugur
实时 09:55:44
实体 LiveMedBench

LiveMedBench

PulseAugur coverage of LiveMedBench — every cluster mentioning LiveMedBench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_257007 ·

    新的RIFT分类法识别出LLM医学基准评分细则中的缺陷

    一项新的研究论文介绍RIFT,这是一个旨在识别和纠正用于评估医疗领域大型语言模型(LLM)的评分细则中缺陷的分类法。该研究将RIFT应用于HealthBench Professional和LiveMedBench两个基准测试,揭示了诸如非原子化和不匹配的标准等重大问题。研究人员证明,这些评分细则的缺陷会显著改变LLM的性能得分,当标准被重写时,观察到的得分变化高达15.9个百分点。该论文还指出,与表面形式分析相比,RIFT在临床评分细…