arXiv 自然语言处理· Oscar Freyer, Daniel Glauert, Moritz Hofmann, Max Ostermann, Stephen Gilbert, Jakob Nikolas Kather·· 8 小时前AI 评分36
决策模型与生成式大语言模型在医学选择题上的基准评测
Benchmarking decision models against generative large language models on medical multiple-choice questions
AI 导读
在 1,273 道 MedQA 题目评测中，15 种生成式大语言模型配置准确率为 78.32% 至 96.86%，优于 13 个决策模型的 67.71% 至 89.08%。
来源：arXiv 自然语言处理 · arxiv.org