Mirror AI 在内分泌学考试中击败 LLM，基于证据的推理取得成功research#llm🔬 Research|分析: 2026年2月19日 05:02•发布: 2026年2月19日 05:00•1分で読める•ArXiv AI分析这项研究展示了人工智能在医疗应用方面的激动人心的进步！ "Mirror" 系统在具有挑战性的内分泌学考试中表现出色，通过基于精选证据的推理，显著优于最先进的 大语言模型 (LLM)。 这种方法为更值得信赖和可审计的临床人工智能提供了途径。要点•Mirror 基于证据的方法在内分泌学委员会风格的考试中取得了 87.5% 的准确率。•该人工智能优于 GPT-5.2、GPT-5 和 Gemini-3-Pro，展示了卓越的临床推理能力。•该系统的输出可追溯，引用了指导方针来源以供审计。引用 / 来源查看原文"Mirror 达到了 87.5% 的准确率（120 题中 105 题；95% CI：80.4-92.3%），超过了人类参考值 62.3% 以及包括 GPT-5.2 (74.6%)、GPT-5 (74.0%) 和 Gemini-3-Pro (69.8%) 在内的前沿 LLM。"AArXiv AI2026年2月19日 05:00* 根据版权法第32条进行合法引用。较旧LLMs Excel in Grading: A New Era for Education较新Interactive Learning: Revolutionizing LLMs with Feedback相关分析researchAnthropic 探索 AI 智能体权限：揭示 AI 交互的未来2026年2月19日 06:30research交互学习：用反馈革新大语言模型2026年2月19日 05:02research大语言模型在评分方面表现出色：教育新纪元2026年2月19日 05:02来源: ArXiv AI