Epoch AI：研究、数据与评测·· 28 天前精选AI 评分61
Epoch AI 评测 HealthBench Professional：50 个抽样任务中一半存在问题，判为 Flawed
HealthBench Professional - Benchmark Review
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。
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。
整理与数据来源：AIHOT
来源：Epoch AI：研究、数据与评测 · epoch.ai