医疗LLM Agent扰动控制基准发布
热点事件持续更新
医疗LLM Agent扰动控制基准发布
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Zihao Zheng 等作者发布一项医疗工作流大语言模型智能体基准，用400个合成医疗工作流片段，在5个1.7B–9.7B开源模型配置上评估智能体选择回答、询问澄清、弃答、升级四类动作的表现，评分按预先设定的5:1漏升级与不必要升级代价比计算。 作者称，参考动作来自单一作者的研究政策标注，并非临床医生裁定的真实标准。其30概念词汇压力测试还显示，规则检测器的召回率从触发短语上的1.00降至未见改写上的0.00，因此该控制器的主张仅限于这一基准范围。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
医疗 大语言模型（LLM，Large Language Model） 智能体升级可靠性审计：工作流状态失效的扰动控制基准报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AI医疗 大语言模型（LLM，Large Language Model） 智能体升级可靠性审计：工作流状态失效的扰动控制基准
一项针对医疗工作流 大语言模型（LLM，Large Language Model） 智能体的基准测试用 400 个合成医疗工作流片段，在 5 个 1.7B–9.7B 开源模型配置上评估执行、询问澄清、弃答与升级四类动作选择。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。