热点事件 历史事件

Epoch AI发布HealthBench Professional基准审查：分层抽样50项任务发现25项明确错误，依据评分规则判定为Flawed（有缺陷），并注明系部分审查、等待开发者回应

1 篇报道1 个精选信源

先了解这件事

报道摘要

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。

摘自 Epoch AI：研究、数据与评测
最新进展
Epoch AI 评测 HealthBench Professional：50 个抽样任务中一半存在问题，判为 Flawed

报道时间线

沿着报道，了解事件的不同侧面。

  1. Epoch AI：研究、数据与评测官方一手精选
    Epoch 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。