该来源未收录可展示正文，站内仅提供摘要。
阅读原文（在新标签页打开）Epoch AI 评测 HealthBench Professional：50 个抽样任务中一半存在问题，判为 Flawed
AI 导读
Epoch AI 对基于 OpenAI HealthBench 的 HealthBench Professional 基准发布评测，从 525 个任务中分层随机抽样 50 个。
Epoch AI：研究、数据与评测
精选
60
AI 编辑部评分，满分 100Epoch AI 评测 HealthBench Professional：50 个抽样任务中一半存在问题，判为 Flawed
Epoch AI 对基于 OpenAI HealthBench 的 HealthBench Professional 基准发布评测，从 525 个任务中分层随机抽样 50 个。
推荐理由
Epoch AI 抽检了 OpenAI HealthBench Professional 的任务质量，读者可以据此看待该基准分数的可靠性。
来源：Epoch AI：研究、数据与评测· epoch.ai