GPT-5構(gòu)建了端到端的多模態(tài)架構(gòu)
團隊以為 ，模仿日常實踐中實踐遇到的雜亂實在病例 。仍是得先鍛煉鍛煉。其數(shù)據(jù)源自超20個美國醫(yī)師執(zhí)照考試 、GPT-5-mini大幅逾越人類專家 ，是全球醫(yī)學教育和人才評價的重要參閱基準 。而具有執(zhí)業(yè)資歷的放射科醫(yī)師比AI搶先更多 ，
考慮到VQA-RAD規(guī)劃相對較小且具有放射科專項特點 ，
論文地址：https://arxiv.org/abs/2508.08224
參閱鏈接 ：
[1]https://x.com/omarsar0/status/1955252499142627788
[2]https://x.com/emollick/status/1955381296743715241
[3]https://x.com/DrDatta_AIIMS/status/1954586822849523789
本文來自微信大眾號“量子位” ，
在文本測驗中 ，
AI看病歷常見 ，USMLE Step 2這樣的推理密集型使命中，常用于評價醫(yī)學多模態(tài)大言語模型解讀雜亂醫(yī)學圖畫并生成精確文本描繪的才能 。實踐中患者的狀況千奇百怪 ，盡管GPT-5剛剛進入頂尖AI的方位 ，都是零樣本設(shè)置，GPT-5-nano全體與人類專家相等，音頻等信息編碼為一致向量空間的符號，
在多模態(tài)測驗中 ，GPT-5推理和了解得分比GPT-4o別離提高了近30%和36% 。這種得分差異或許源于較小模型存在數(shù)據(jù)集特定的過擬合現(xiàn)象。這些測驗都是在抱負環(huán)境下進行的 ，嚴厲匹配率到達74.90% 。而GPT-5體現(xiàn)最優(yōu) ，仍依靠文本轉(zhuǎn)譯+外部東西調(diào)用的直接形式：例如解析醫(yī)學印象時 ，
而且，剖析它們在醫(yī)療范疇處理多模態(tài)信息的才能 。但AI替代放射科醫(yī)師與實踐的距離依然很大。GPT-5對醫(yī)學印象的推理和了解精確率別離比人類專家高出24.23%和29.40%