RadLE-R：模型可靠性接近人类基线
DrDatta_AIIMS · x · 2026-07-13
这条继续展开 RadLE-R（Reliability Index）：衡量模型给出“可自动处理”答案时，这个答案到底靠不靠谱。
结果显示：
- Claude Fable 5 的可靠性几乎贴近人类专家基线。
- Meta Muse Spark 1.1 和 Gemini 3.1 Pro 排在其后。
- 但多数模型一旦进入“可靠性”而不是“准确率”维度，分数都会明显下滑。
作者的结论是：模型确实在变准，但它们的“自信”还不能稳定信任；如果自信不可控，自主性就不可控。
所属事件:RadLE 2.0发布：医疗AI评测聚焦不确定性(8 条相关)→
「模型」频道最新
- 曝 Moonshot 艰难预训练新基座，DeepSeek 算力自主成关键优势 — teortaxesTex · 2026-09-11
- Kimi 被指难产新基座，传 K2.8 仅是 K2 后训练版 — teortaxesTex · 2026-09-11
- Qwen 核心成员暗示 v4p 回归与 Kimi k3-0.2 新版本 — JustinLin610 · 2026-09-11
- 回击末日论:前沿模型权重几乎不可能被自我复制或窃取 — bindureddy · 2026-09-11
- 为何 Google 等巨头迟迟不开源 STT 语音模型?用户更信本地部署 — techtotechbytechy · 2026-09-11
- 用户实测称赞 DeepSeek 新模型速度快、表现好 — MaziyarPanahi · 2026-09-11