GPT-5の医療評価における性能低下

この記事は、GPT-5が医療評価（MedHELM）においてGPT-4と比較してわずかな性能低下を示したという驚くべき発見を報告しています。これは、新しいモデルが常に優れているとは限らないことを示唆しており、さまざまな分野における厳密な評価の重要性を強調しています。提供されたPDFリンクから、具体的な結果と方法論を詳しく調べることができます。