医疗AI重大突破！OpenAI开放HealthBench评测基准
划重点：
- ✅ 覆盖60个国家/地区的262名医生共同打造
- ✅ 5000段真实医疗对话测试样本
- ✅ 首创多轮对话评测体系
- ✅ 小型模型性能突破显著
全球医疗专家联手打造真实评测标准
OpenAI今日震撼发布开源医疗大模型评估基准HealthBench！这一突破性技术标准由来自全球60个国家/地区的26个医学专家团队共同开发，汇集了262名医疗专业人士的智慧结晶。
与传统评测集不同，HealthBench专注打造真实医疗场景对话，5000段核心测试对话全部采自临床实践，构建出目前最专业的医疗AI评测体系。
多轮对话测试展现惊人进步曲线
| 模型版本 | 准确率 | 成本效益 |
|---|---|---|
| GPT-3.5Turbo | 16% | 基准值 |
| GPT-4o | 32% | 提升2倍 |
| GPT-4.1nano | 60% | 成本降低25倍 |
小型模型的惊艳表现
评测数据显示，GPT-4.1nano不仅超越了GPT-4o的性能表现，更实现了惊人的25倍成本优化。这一突破预示着医疗AI在终端设备的广泛应用即将到来！
"HealthBench代表着AI医疗评测的新标杆，其真实临床对话测试数据将为AI医疗应用提供更可靠的性能基准。"
原创文章，作者：海博社，如若转载，请注明出处：https://www.23btc.com/34626/
