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
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27
- Scaling 拟合之争:Uncheatable 计入输出头 FLOPs,Paloma 剔除,最小档差距高达 65% — dlwh · 2026-10-27
- Marin 作者详解 scaling law 公式：难点在小模型阶段估渐近线 — dlwh · 2026-10-27