实体 Women's Health

Women's Health

PulseAugur coverage of Women's Health — every cluster mentioning Women's Health 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_165051 · Jul 27 · 04:00

新基准揭示大语言模型在女性健康主题方面存在不足

一项名为WHBench的新基准已被开发出来，专门用于评估大语言模型（LLMs）在女性健康主题方面的表现。该基准由专家创建，包含47个场景，旨在识别关键性错误，如过时的医疗建议、不安全的遗漏和公平性问题。在对22个不同大语言模型进行测试时，没有一个模型的平均表现超过75%，即使是表现最好的模型也显示出显著的危害率和低准确率。