开源工具
arxiv.org ·
@Omar Nusrat
MedPhysBench：评估语言模型医学物理计算与差错检测的基准
MedPhysBench针对放疗、诊断影像、核医学与辐射防护中的剂量与MU计算等任务，用实现相关协议的代码生成参考答案，并由评分器做单位换算与容差判定；另设差错检测题，给出同事的完整工作表或仅结果，其中一半含植入错误。在1200题留出测试集上，12个模型计算得分33.3%–100.0%；四个最佳模型（99.3%–100.0%）的9个判错答案中，5个为模型错误，4个源于题目对NCRP Report 151相关点的表述问题。
AI推荐理由 面向医学物理计算与差错检测的基准，含10类带种子生成器、协议代码参考答案与容差评分，并在1200题测试集上评测12个模型（计算得分33.3%–100%），还分析了判错样本中模型错误与题目自身表述问题的比例，证据较具体。
73
正文
当前仅保存了标题或简介；并非所有来源都提供正文，可通过下方原文链接查看。