GPT-5 在医疗评估中性能下降

这篇文章报告了一个令人惊讶的发现：GPT-5 在医疗保健评估 (MedHELM) 中表现出相对于 GPT-4 的轻微退步。这表明较新的模型并不总是更好，并强调了在不同领域进行严格评估的重要性。提供的 PDF 链接允许更深入地研究具体结果和方法。

• •GPT-5 在医疗保健评估中表现出相对于 GPT-4 的轻微性能下降。
• •这一发现强调了持续和彻底评估 LLM 的重要性。
• •详细结果可在提供的 PDF 中找到。