Les modèles d'Anthropic dominent en matière d'exhaustivité : parvenir à la conclusion de l'expert avec le bon raisonnement médical, en démontrant des connaissances médicales et une capacité de raisonnement.
Une réponse est complète lorsqu'elle couvre chaque point clé de la réponse de référence de l'expert que la question demande, y compris la conclusion et les lacunes du dossier à partir desquelles l'expert raisonne. Les modèles Claude occupent les 18 meilleurs scores d'exhaustivité parmi tous les modèles et niveaux d'effort que nous avons testés. Claude Sonnet 5.5 (max avec repli) mène à 64.8 %, suivi de Claude Opus 5.5 (max avec repli) à 63.3 % et de Claude Fable 5.1 (max avec repli) à 61.1 %. Le meilleur modèle non-Anthropic est GPT-6 Astra (max) à 42.2 %.
Les modèles d'Anthropic dominent en matière d'exhaustivité : parvenir à la conclusion de l'expert avec le bon raisonnement médical, en…
Les modèles d'Anthropic dominent en matière d'exhaustivité : parvenir à la conclusion de l'expert avec le bon raisonnement médical, en démontrant des connaissances médicales et une capacité de raisonnement. Une réponse est complète lorsqu'elle couvre chaque point clé de la réponse de référence de l'expert que la question demande, y compris la conclusion et les lacunes du dossier à partir desquelles l'expert raisonne.
Artificial Analysis · X
À propos du contenu
La publication originale et les droits appartiennent à la source.
Traduction automatique · Consultez l’original