健康时间序列基准显示 LLM 仍落后传统机器学习
yang_yuzhe · x · 2026-07-22
这条在推荐一篇关于 LLM 在健康时间序列上的推理评测 论文，作者认为里面有不少非直觉但重要的发现。
- 论文强调：医疗/健康领域的评测已经落后于模型进展。
- 它不只和 LLM 比，而是把 SOTA 传统机器学习方法 当成更现实的基线；在这些场景里，传统方法往往更便宜、也更可解释。
- 论文把这个 benchmark 设计成一个可持续扩展的 “living ecosystem”，允许按标准方式贡献新内容。
- 一个有意思的结论是：信号越少见，LLM 表现越差，呈现出反向相关。
- 论文还指出了若干 LLM 明显薄弱的健康任务区域。
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11