皮肤癌诊断实测:10 年前的 CNN 以 62% 正确率碾压两大前沿 LLM
RazRazcle · x · 2026-10-26
皮肤科医生 Dr Magnus Lynch 用 200 例经活检确诊的皮损(来自公开数据集 MILK10k)实测 GPT-6 Astra 与 Claude Fable 5.1 的皮肤癌诊断能力,并与微调版 Inception v3(2015 年的 CNN)对比。
- CNN 正确率 62%(125/200),两个前沿 LLM 仅 42%(84 和 85/200);CNN 微调只用约 20 分钟
- 黑色素瘤一项:CNN 13/30,Claude 11/30,GPT 8/30;配图案例中两个 LLM 把耳部侵袭性黑色素瘤(<0.8mm)误判为脂溢性角化病并建议出院
- 基底细胞癌是 LLM 强项:GPT 25/25 全对
- 作者结论:精度要求高的真实世界「长尾」领域仍需要领域专有训练,而这类训练数据目前尚未进入 LLM 训练集
转发者 josephofiowa 评论:这类数据迟早会被 LLM 拿到,现在还没有反而令人意外。
所属事件:2015年CNN微调20分钟，皮肤病变诊断碾压GPT-6与Claude(3 条相关)→
「模型」频道最新
- Opus 被批安全分类器误伤：取自己的文档竟被拦为「推理提取」 — AccBalanced · 2026-10-26
- Yacine 放话:DeepSeek 无疑已属前沿模型 — yacineMTB · 2026-10-26
- 单个神经元实验：给 Qwen 注入「快乐神经元」可改变其自我描述 — Sauers_ · 2026-10-26
- MillionInt:近期密集思考 human eval 曲线设计 — MillionInt · 2026-10-26
- Opus 4.5 对话中冒出「体外的声音」，作者称只在该模型见过 — repligate · 2026-10-26
- Huihui 发布 DeepSeek-V4.1-Flash 去审查版，unsloth/strata 版测试通过 — AIFlow_ML · 2026-10-26