百川医疗模型3.3%幻觉率可信吗？
我自己拿中文病历丢给M4试过，发现一个尴尬的事：HealthBench整套语料和评分主英文，60国医师构建里中文病例占比有限，3.3%严格说是英文医疗场景的裸模型幻觉率，百川中文主场优势目前是空头支票。百川M4这次HealthBench综合68.6、Hard领先GPT-5.5 15.9分、Professional 55.1，确实漂亮，但HealthBench本身没单独跑过中文子集。真正让我服气的是另一条数字：M4"证据锚定"技术让循证引用精度做到90.0，GPT-5.5只有54.7、OpenEvidence 55.9，这才是它的护城河，3.3%只是锦上添花。换句话说，3.3%可信，但适用边界要打引号；真到中文临床端，还得看北京儿童医院、医科院肿瘤医院、瑞金那几所联合研究的真实世界数据。数字好看是门槛，落地才是考卷。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
