Новости
Patient-specific rubric-based evaluation of large language models across longitudinal cancer care
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Researchers created NPC-RubricBench, a benchmark evaluating 30 LLMs across six sequential cancer care phases using 941 patient cases with phase-specific criteria.
- Почему это важно
- Matters for engineers building clinical AI systems that must maintain reliability across multiple treatment stages, not just single diagnostic moments.
- На что обратить внимание
- Strong diagnostic performance did not translate to downstream care quality. Detailed prompts improved decision quality but reduced evidence faithfulness and safety adherence.
- llm
- language model
- reasoning
- eval
- benchmark
Паттерны, стоящие за этой новостью
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
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.