AI情报2026年9月12日AI情报
文章
LogiMed-RoB基准测试显示大语言模型医学逻辑存在严重误差累积
研究人员推出了LogiMed-RoB，这是一个基于Cochrane Risk of Bias 2.0专家逻辑的基准，用于评估大型语言模型在860项随机对照试验中的表现。对10个最先进模型的测试揭示了严重的错误复合效应，尽管最佳模型达到了98.88%的原子一致性。
Frontier 编辑部来源: arXiv
研究人员推出了LogiMed-RoB，这是一个基于Cochrane Risk of Bias 2.0专家逻辑的基准，用于评估大型语言模型在860项随机对照试验中的表现。对10个最先进模型的测试揭示了严重的错误复合效应，尽管最佳模型达到了98.88%的原子一致性。