Open Medical-LLM Leaderboard：医疗大语言模型基准测试

Hugging Face 发布 Open Medical-LLM Leaderboard，旨在通过标准化平台评估和比较大型语言模型在医疗任务中的表现。该基准测试涵盖 MedQA、MedMCQA、PubMedQA 及 MMLU 医疗子集，以准确率作为主要评估指标。测试结果显示 GPT-4-base 和 Med-PaLM-2 等商业模型在多个医疗数据集上表现优异。