热点事件持续更新
11个大语言模型中英文健康问答对比基准研究
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，《Journal of Medical Internet Research》发表一项对照评估研究，用150道中英文消费者健康问题测试11个大语言模型，包括GPT-4.5、Claude Sonnet 4、DeepSeek R1、Qwen 3等。研究显示，在无上下文条件下，英文与中文总体准确率相当，分别为95.27%和93.82%，语言主效应不显著（β=0.00，P=.99）。目前该研究为最新进展，未出现与早先报道矛盾的数字或说法。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 00:00
研究显示11个模型中英文健康问答准确率相当，语言主效应不显著。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- Journal of Medical Internet Research11 个大语言模型中英文回答消费者健康问题的双语基准比较研究
一项对照评估用 150 道中英文消费者健康问题测试了 11 个大语言模型（含 GPT-4.5、Claude Sonnet 4、DeepSeek R1、Qwen 3 等），无上下文条件下英文与中文总体准确率相当（95.27% vs 93.82%），语言主效应不显著（β=0.00，P=.99）。
本事件热度走势
当前热度 9·可比范围峰值 9（9月30日 02:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。