新型基准测试揭示：顶级大语言模型在心理健康护理领域表现欠佳
Sword Health公司近日推出名为mindeval的新型基准测试，用于评估大语言模型在真实心理健康护理场景中的表现。测试结果表明，当前顶级大语言模型在专业心理健康护理领域面临显著挑战，无法完全满足临床需求。这一发现对AI在医疗健康领域...
标签索引 / 第 4 页
基准测试
这个标签下有 32 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
GPT-5.2以67%准确率超越Gemini，AI性能新标杆
最新AI模型性能对比显示，GPT-5.2在’人类最后一场考试’基准测试中取得67%的准确率，显著优于Gemini 3的45.1%和GPT-5.1的41.0%。这一结果揭示了AI推理能力的最新进展，为行业提供了重要参考...