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

技巧 ·2026-09-10 08:00 ·查看原文 ↗

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。

查看原文 → ← 回到目录