实体 MedXpertQA MM

MedXpertQA MM

PulseAugur coverage of MedXpertQA MM — every cluster mentioning MedXpertQA MM 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

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_141168 · Jul 12 · 17:21

Claude Fable 5 准确率高但拒绝回答大多数生物医学问题

一项评估 Anthropic 的 Claude Fable 5 模型在生物医学挑战方面的新研究论文揭示了该模型在回答问题意愿方面存在一个显著问题。尽管 Claude Fable 5 在 MedQA 和 RareBench 等基准测试中表现出高准确率（当它确实提供答案时），但它拒绝回答 8.0% 到 99.4% 的问题，具体比例取决于特定基准。这种拒绝模式与其前代模型和 GPT-5 不同，表明可能存在限制其在生物医学领域实际效用的安全或对齐机制。