MLCR-AA 方法升级：模型以病历审查员身份答题，三模型评审团一致率升至 69%
ArtificialAnlys · x · 2026-10-21
Artificial Analysis 公布 MLCR-AA 医疗长上下文基准的新方法学：
- 模型收到将任务定位为病历审查的 system prompt，问题置于 2.5 万～6.4 万 token 的完整病历之后。
- 除题目另有格式要求，模型须用一段话给出结论并附病历中的支持证据；各模型答案长度一致后，取消了简洁性测试。
- 评分改用 GPT-6.1 Sol、Claude Opus 5.5、Grok 4.7 三模型评审团（medium effort），各列出与病历矛盾的说法及遗漏的参考要点，多数投票通过即算过；三评审在 69% 的答案上结论一致，较旧评审团的 48% 明显提升。
所属事件:医疗长文本基准 MLCR-AA 更新：Claude Sonnet 5.5 与 GPT-6 Astra 并列第一(7 条相关)→
「模型」频道最新
- Perplexity 发布 JOLT:训练 token 只需 GRPO 的 1/6.5 — perplexity_ai · 2026-10-22
- Recursive AI 发布 40B-A2.5B 小型 MoE 模型 Flint,基准称对标 Qwen3.6-27B — ChengleiSi · 2026-10-22
- DeepSeek 发布 V4.1-Flash-1017：性能成本双优化，登顶开源推理榜 — scaling01 · 2026-10-22
- 修复 PHP 漏洞被 OpenAI 安全限制拦住:能修不能验,用户吐槽 Codex 拦截 — Next_Technology6361 · 2026-10-22
- TPN-006 上架 Hugging Face:7.7GB 压缩版反超 Mistral 原模型 — markjeffrey · 2026-10-22
- Kimi K3.1 新 checkpoint 零样本 22 分钟画出 4.9 万 token SVG 肖像 — lyraxana · 2026-10-22