Новости
MedPRESS: A Multi-turn Benchmark for Patient-Pressure-Induced Medical Sycophancy in LLMs
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Researchers released MedPRESS, a benchmark testing whether medical LLMs maintain safe advice when patients pressure them across five-turn conversations.
- Почему это важно
- Engineers building or deploying medical chatbots need this to understand how models degrade under realistic patient interaction patterns.
- На что обратить внимание
- The benchmark tests 20 models but does not reveal which specific models fail worst, limiting direct actionability for practitioners.
Послушать это резюме
- llm
- language model
- benchmark
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.