中文医疗大模型评测基准MedBench升级至5.0版本

从医疗AI的落地场景来看，大模型的“幻觉”问题一直是临床应用的死xue——模型说得头头是道，但给出的诊断建议可能完全偏离实际。最近，中文医疗大模型评测基准MedBench升级到了5.0版本，这个动作直接把安全防线往前推了一大步。简单说，以后医疗AI能不能上线，得先过它这一关。

这次升级不是小修小补。上海人工智能实验室联合了广州实验室、钟南山院士团队、葛均波院士团队等顶级力量，核心干了两件事：一是构建专科化评测体系，二是首创“医疗原子技能评测”范式。什么意思？过去评测一个大模型，可能只问“发热咳嗽是不是肺炎”，现在拆解到更细的颗粒度——比如“根据CT影像描述，判断病灶位置和性质”，甚至能精准定位模型在哪个具体技能点上“翻车”。

更关键的是，MedBench 5.0首次实现了AI模型幻觉的全维度校正。从数据、诊断逻辑到用药建议，每个环节都能自动检测模型是否在“胡编”。这背后是上海AI实验室科研团队与临床一线专家的反复打磨——毕竟，医疗场景里一个错误结论，代价可能是生命。

值得一提的是，MedBench本来就是国内首个原生医疗垂直评测体系，也是上海市委网信办、上海市卫健委指定的前置医疗AI应用技术评测载体。换句话说，如今在上海想要上线一个医疗AI产品，MedBench的评测结果已经是绕不开的“准入门槛”。从行业视角看，这种“评测即准入”的机制，正在倒逼整个医疗AI赛道从“拼参数”转向“拼安全”。