待验证50% 置信发布精确时间
HealthBench是OpenAI于2025年5月发布的公开评测基准，包含约5000段由多国执业医生撰写的多轮对话式评测集，每段配有医生评分标准。
1
来源数
50%
置信度
长期有效
时效性
2026/10/25
首次发现
来源
涉及实体
相关事实
待验证HealthBench中，医生先撰写评分标准，OpenAI的GPT-4.1评测器在7个主题中的5个上超过了平均医生水平。71% 相似待验证研究在 MedCalc-Bench Verified 基准上进行评估，该基准包含 1,100 个病例、覆盖 55 种计算器62% 相似待验证当健康阈值被突破时OpenRig会给出健康警告并通过Slack通知作者，同时通知一个拥有相关工作上下文的指定智能体去处理分析61% 相似待验证团队构建了包含约4400个病例、覆盖20个专科的动态临床评估数据集MedIQ-Bench58% 相似待验证健康基准测试通常指用标准化医学问答数据集（如MedQA、PubMedQA等）评估模型医学知识水平，指标以准确率为主；这类测试默认模型应尽量给出答案，但Tabibu的安全层会主动拒绝诊断等，导致大量本可答对的问题被安全回退拦截。57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1096540API
curl https://kongchang.com/api/v1/knowledge/claims/1096540MCP
get_claim(id=1096540)