四款大模型扮演韩国OSCE标准化病人评分研究

一项研究让17名高年级医学生对GPT-4o、Claude 3.5 Sonnet、Llama-3.1 70B和HyperCLOVA X四个大模型在三个韩国OSCE病例中的每句输出逐句评分，共获得7,480个数据点，用于分层多评分者评估这些模型作为虚拟标准化病人的表现。 研究比较的是四款模型在韩国OSCE病例场景下的输出质量，评分由医学生逐句给出；报道未给出各模型的具体得分或优劣结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。