RespSurvBench 发布:21 个模型最高通过率仅 25.5%
Ken(kenbwork)团队发布新基准 RespSurvBench,用于评估 AI 在呼吸道疫情监测与追踪上的能力。基准共含 110 项评测,覆盖诊断检测、病原体发现、病毒演化与传播、人群监测四大任务,并在 21 个模型、34 种场景上进行测试,结果最高通过率仅 25.5%,显示当前 AI 距离成为呼吸道疫情监测的核心基础设施仍有较大差距。
2026-11-06 ~ 2026-11-06 · 4 条相关
- 新基准 RespSurvBench:21 个模型最高通过率仅 25.5% — kenbwork · 2026-11-06