待验证50% 置信事实精确时间
MedPhysBench 是一个用于系统评估语言模型在医疗物理计算与纠错任务中可靠性的基准，覆盖放射治疗、诊断成像、核医学与辐射防护四大领域。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证研究者开源了 MedPhysBench 的代码、逐题结果与定向测试回答。70% 相似待验证MedPhysBench 的纠错任务会向模型展示同事的完整工作表或仅展示最终结果，其中一半正确、一半植入单个错误，以此测试模型发现错误的能力。68% 相似待验证MedPhysBench 包含十个种子化生成器用于产出计算题目，参考答案由实现相关协议的代码生成，评分器负责单位换算并应用容差区间。67% 相似已验证Terminal-Bench是专门评估AI模型在命令行环境中执行复杂任务能力的基准测试，涵盖文件操作、脚本编写、系统调试等场景62% 相似待验证Terminal Bench检验的是模型能做什么而非知道什么，测量的是模型规划、执行、观察反馈并纠错的完整闭环能力60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134255API
curl https://kongchang.com/api/v1/knowledge/claims/1134255MCP
get_claim(id=1134255)