TempoMed-Bench

新基准揭示大型语言模型在医学知识方面缺乏时间感知能力

研究人员开发了 TempoMed-Bench，这是一个旨在评估大型语言模型（LLM）在医学领域的时间感知能力的新基准。现有的评估常常忽略医学知识的动态性，因为医学知识会随着新证据和治疗方法的出现而演变。该基准的分析显示，大型语言模型在回忆过时的医疗信息方面存在困难，并表现出时间上不一致的行为，这表明它们在处理特定时间点的医疗知识方面存在重大缺陷。