开放模型参加西班牙MIR考试：弃答不划算，图像不影响成绩

一项 arXiv 预印本研究用西班牙MIR住院医师考试规则，评测了4个8至27B参数的开源模型，共1552道题。作者称，三个较大模型若全部作答，可排进约前600至3000名，仍有41至43个专科可选。 研究称弃答从不划算：即使模型最不自信的答案，正确率也高于25%的盈亏平衡点。医学微调降低了模型的过度自信，但准确率随之下降，且未改善置信度区分对错的能力。 研究还发现，13%至38%的正确答案是以临床不成立的理据排除干扰项；移除或替换题目所给图像后，准确率不变。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。