待验证50% 置信事实精确时间
MedPhysBench 包含十个种子化生成器用于产出计算题目，参考答案由实现相关协议的代码生成，评分器负责单位换算并应用容差区间。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证研究者开源了 MedPhysBench 的代码、逐题结果与定向测试回答。71% 相似待验证MedPhysBench 是一个用于系统评估语言模型在医疗物理计算与纠错任务中可靠性的基准，覆盖放射治疗、诊断成像、核医学与辐射防护四大领域。67% 相似待验证BenchLocal的测试维度包括工具调用、命令行操作、Bug识别修复、指令遵循、Hermes Agent、结构化输出、数学推理、数据提取共8大类63% 相似待验证MedPhysBench 的纠错任务会向模型展示同事的完整工作表或仅展示最终结果，其中一半正确、一半植入单个错误，以此测试模型发现错误的能力。62% 相似待验证该研究的评估协议对预训练骨干网络和全部11种训练方法都使用了8个不同的rollout种子进行重复评估。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134256API
curl https://kongchang.com/api/v1/knowledge/claims/1134256MCP
get_claim(id=1134256)