基准NPC-RubricBench
NPC-RubricBench
阶段感知的基准，用于评估大语言模型在鼻咽癌全程多阶段临床推理能力，基于患者纵向记录和患者特异性原子标准。
时间轴 (近 90 天)
10月27日
NPC-RubricBench 是一个阶段感知的基准，用于评估鼻咽癌全程多阶段临床推理能力，基于两家癌症中心405名患者的纵向记录，覆盖六个连续诊疗阶段的941个患者-阶段单元，以及跨越五个评估维度的17,688条患者特异性原子标准。
待验证50%
10月27日
在NPC-RubricBench评估的30个通用与医学专用LLM中，高诊断性能并不能自动转化为更好的下游照护表现。
待验证50%
10月27日
在解剖分期阶段，主导失败模式为显式决策错误，占比达48.2%。
待验证50%
10月27日
在初始检查阶段和治疗后随访阶段，主导失败模式为决策遗漏，分别占比33.4%和30.4%。
待验证50%
10月27日
NPC-RubricBench的方法论——患者特异性原子标准、决策时刻证据限定、阶段感知评估——有潜力推广到其他肿瘤类型和慢性病全程管理场景。
待验证50%
全部知识事实 (5)
待验证
NPC-RubricBench 是一个阶段感知的基准，用于评估鼻咽癌全程多阶段临床推理能力，基于两家癌症中心405名患者的纵向记录，覆盖六个连续诊疗阶段的941个患者-阶段单元，以及跨越五个评估维度的17,688条患者特异性原子标准。
50%待验证在NPC-RubricBench评估的30个通用与医学专用LLM中，高诊断性能并不能自动转化为更好的下游照护表现。
50%待验证在解剖分期阶段，主导失败模式为显式决策错误，占比达48.2%。
50%待验证在初始检查阶段和治疗后随访阶段，主导失败模式为决策遗漏，分别占比33.4%和30.4%。
50%待验证NPC-RubricBench的方法论——患者特异性原子标准、决策时刻证据限定、阶段感知评估——有潜力推广到其他肿瘤类型和慢性病全程管理场景。
50%