实体 M4Bench

M4Bench

PulseAugur coverage of M4Bench — every cluster mentioning M4Bench across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_326887 · Oct 28 · 04:00

新的 M4Bench 基准测试 AI 代理从临床 EHR 数据推导能力

研究人员开发了 M4Bench，这是一个新的基准，旨在评估 AI 编码代理从临床电子健康记录中推导变量的能力。该基准使用 MIMIC-IV 和 eICU 数据，涵盖 15 个类别中的 28 个任务。使用 GPT 5.4 Mini 和 GPT 5.5 进行的初步测试表明，AI 技能将推导准确率提高了 0.136，其中规范完整性是最重要的因素。使用 Claude Code with Opus 4.7 和 Sonnet 4.6 进行的复制研…