تقيّم هذه الفقرة أداء أدوات الذكاء الاصطناعي السريري المتخصصة، وتحديداً OpenEvidence و UpToDate Expert AI، مقابل النماذج اللغوية الكبيرة العامة الرائدة مثل GPT-5.2 و Gemini 3.1 Pro و Claude Opus 4.6. يتكون التقييم من ثلاث مراحل: (1) 500 سؤال MedQA تقيم المعرفة الطبية، (2) 500 عنصر HealthBench تقيس التوافق مع الأطباء الخبراء، و (3) معيار…

تقدم هذه القسم نظرة عامة على التقييمات السريرية لنماذج اللغة الكبيرة (LLMs) في الطب، مع تسليط الضوء على الزيادة الكبيرة في الدراسات منذ عام 2022. تم تحديد ما مجموعه 4,609 دراسات تمت مراجعتها من قبل الأقران، بمتوسط حوالي 3.2 منشورات يوميًا. ومع ذلك، استخدمت 1,048 فقط من هذه الدراسات بيانات المرضى في العالم الحقيقي، مع…