医疗诊断基准RadLE 2.0发布
shuyanzh36 · x · 2026-07-14
这条内容围绕 Radiology’s Last Exam 2.0（RadLE 2.0） 展开，这是一个面向自主 AI 诊断的、带不确定性意识的放射学视觉推理基准。
帖子强调几个重点：
- 这是“首批”用于自治医疗诊断的视觉推理基准之一
- 评价重点不只是准确率，还包括模型知道何时停下并交给人类的能力
- 文中给出了多家前沿模型/医疗 VLM 的排行榜
转发里提到，Muse Spark 1.1 在 RadLE 上超过了 GPT-5.6 Sol 和 Gemini 3.1，但仍然没有超过 Fable，也明确表示人类医生目前依然更强。整体论点是：在把 AI 交给更高自治权之前，“会不会自知该停”比单纯分数更重要。
所属事件:RadLE 2.0发布：医疗AI评测聚焦不确定性(8 条相关)→
「研究」频道最新
- Exponential 发布 RepoInject 与 BrowserInject 基准，测 prompt injection 防护 — maksym_andr · 2026-10-27
- Gemini 4.1 Flash 反常识:被要求控制思维链时反而更准 — dfrsrchtwts · 2026-10-27
- Redwood 研究:CoT 可控性评测严重欠激发,简单提示优化可提升 2-3 倍 — dfrsrchtwts · 2026-10-27
- 用 BeamZ 逆向设计光学系统跑通 MNIST 分类 — S_Conradi · 2026-10-27
- DeCert 框架无需参考答案评估生成式奖励模型的论证质量 — Guiquan Sun · 2026-10-27
- 新研究：VLM harness 同样是组合泛化器,可拆解复杂图像问题 — a1zhang · 2026-10-27