医疗AI基准加难后顶级模型准确率暴跌至65%

Clinical System One v0.2 医疗决策基准评测覆盖 43 个模型、993 个临床决策题（含 88 道图像题）。排名前四的临床 AI 模型在原始 669 道测试题上得分高达 96–97.5%，但在更难的 324 道题目上，最好成绩仅为 65%。结果显示顶级医疗 AI 在更严苛的临床决策场景下性能显著下滑。

2026-10-27 ~ 2026-10-27 · 2 条相关

• Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
• 临床 AI 评测:顶级模型原始测试 96-97.5%,更难 324 题最好仅 65% — baseten · 2026-10-27