medRxiv 临床预印· Graham, N. S., Auger, S. D., Attaallah, B., Batla, A., Scott, G. ·· 1 天前AI 评分40
研究评测八个大语言模型在神经科 board 风格题目上的准确率与置信度校准
Accuracy and confidence calibration of large language models on neurology board-style questions
AI 导读
研究用 100 道经验证的神经科 board 风格多选题测试了八个通用 LLM，比较自报置信度、独立实例批评隐含置信度和重复采样一致性置信度三种信号。
来源：medRxiv 临床预印 · medrxiv.org