医疗LLM评测活基准预印本发布

医疗大模型评测正面临「基准过期」困境：随模型持续迭代，静态评测基准很快失效。2026年10月6日报道，研究者为此发布新预印本，针对电子健康病历（EHR）的信息检索任务构建「活基准」（A Living Benchmark），用于持续评估不断演进的模型能否可靠检索临床医生所需的信息。该研究同时指出，「遗漏」（omission）是模型在EHR信息检索中的常见失败模式。报道还提到，另一团队在 NOHARM 预印本中观察到同样的现象，说明该失败模式并非孤例。目前该方法仍处于预印本阶段，后续进展有待跟进。

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。