GPT-5.5 医疗任务单次通过率 46.3%，三连稳定仅剩 28%
jonc101x · x · 2026-10-28
斯坦福 HAI 发布的 PhysicianBench 实测显示，GPT-5.5 在临床任务上单次尝试完成率为 46.3%，但若要求连续三次运行都成功，通过率降至 28%——稳定性缺口显著。
作者同时回顾了三年医疗 AI 基准建设经验（MedHELM、MedAgentBench、PhysicianBench、HealthAdminBench），指出「能答题」与「能完成真实工作流」之间仍有巨大差距。
所属事件:医疗AI最典型失败：写对病历却不下医嘱(2 条相关)→
「模型」频道最新
- 马斯克称 Grok Bot 持续进化：Vault 功能是游戏规则改变者 — beffjezos · 2026-10-28
- Claude 拒绝回答合法公开信息查询,程序员吐槽护栏过严 — mkheck · 2026-10-28
- DesignArena 上线 Code to Video 竞技场：模型纯写代码拍 15-45 秒短片 — yshan2u · 2026-10-28
- 大 V 试用了尚未全量上线的 Grok 新功能，称是近期最有趣 AI 体验 — petergyang · 2026-10-28
- Reddit 讨论:本地模型跃进 + 内存短缺,现在买 GPU 是不是最后的窗口 — Sensualities · 2026-10-28
- Liquid AI 1.7B 小模型被指在手机端碾压大 2-5 倍对手,网友持疑 — rickasaurus · 2026-10-28