MedPhysBench医学物理计算评测基准发布

Omar Nusrat 等人发布 MedPhysBench 基准，用十类生成器出题，覆盖放射治疗、诊断影像、核医学与辐射防护的医学物理计算，并配套错误检测题。 在 1200 道留出测试题上（其中两个模型只做一半），12 个模型的计算得分从 33.3% 到 100.0%；多数模型在三级临床任务上表现最差，Claude Sonnet 5.5 在 20 道等中心 MU 题中有 19 道漏掉平方反比修正。 作者称，运行结束后发现屏蔽类题目存在两处问题，并在论文中报告其影响，同时公开代码、逐题结果和定向测试回答。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。