事件专题 ·单一信源

InclusionMed:面向包容性医疗的 AI 评测基准体系发布

研究团队在 arXiv 发布 InclusionMed,一个面向包容性医疗的开放 AI 评测计划。其 Atlas 框架按 3 种医疗角色和 3 种 AI 能力划分 9 个格子,首批从 388 个候选基准中经结构化审计与独立复现选出 4 个公开基准,加上私有诊断推理基准 InclusionMed-DxFiles,共覆盖 5 个基准、9 格中的 3 格。 团队在 Atlas 上评测了多个前沿大语言模型,结果汇总为 InclusionMed Index,总分范围在 17.5 到 49.1(满分 100)之间。Index 还按医疗角色和 AI 能力分别打分,发现模型排名会随角色或能力维度变化。任务级标签分析显示,Index 排名前 10 的模型在患者沟通上的得分均高于临床决策。总分相近的模型,其估算推理成本差异也很大。 论文指出当前基准覆盖仍不均衡,呼吁以更多元的医疗需求来定义和衡量医疗 AI 进展,并通过社区开放协作扩展评测覆盖。

当前结论

一篇医疗 AI 评测基准论文,从 388 个候选里筛出 5 个靠谱基准,测下来顶级模型总分都没过 50 分。做医疗 AI 选型的团队可以直接拿来当选型参考,做评测的研究者也能从它的审计和复现流程里学到东西。

2 个信源31° AI 热度最后更新 2026/11/16 15:08:25

证据链

2 个信源

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。