跳到正文
热点事件持续更新

研究提出SaFE-Scale框架并发布RadSaFE-200基准

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Sebastian Wind等作者提出临床大语言模型评测框架SaFE-Scale，并发布其首个实例RadSaFE-200：一个含200道文本放射学选择题的基准，由临床医生标注干净证据、冲突证据，以及选项层面的高风险错误、不安全回答和证据矛盾标签。 作者用该框架评估34个本地LLM，覆盖闭卷、证据支撑、标准与智能体RAG、最大上下文提示等六种部署条件，结果显示模型的安全性与准确率随部署条件不同而出现分化。

AI 根据报道生成 · 1 小时前更新

最新进展11月9日 13:00
临床 LLM 的安全性与准确率在不同部署条件下出现分化

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv cs.CL
    临床 LLM 的安全性与准确率在不同部署条件下出现分化

    研究提出 SaFE-Scale 评测框架，并在 RadSaFE-200 上评估 34 个本地 LLM，覆盖闭卷、证据支撑、标准与智能体 RAG、最大上下文提示等六种部署条件。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。