HealthBench

今天凌晨，OpenAI开源了面向医疗大模型测试的HealthBench。该测试集由262名医生打造，包含5000段对话，采用多轮对话形式，显著提升了大模型在医疗领域的表现。HealthBench展示了7个主题和5个轴来评估模型性能，包括准确性、完整性等。