Языковые модели находят ошибки в клинических испытаниях лучше рецензентов
Языковые модели находят ошибки в клинических испытаниях лучше рецензентов Препринт на medRxiv сравнил 15 языковых моделей с людьми в рецензировании статей о клинических испытаниях. Рецензенты находили 27% заложенных ошибок, модели — от 53 до 96%. На 58 испытаниях 2026 года, которых не было в обучении, разброс составил 58–99%. Лидирует Claude Opus 5.5 с 99%, у GPT-6.1 Sol 94%, у GPT-6 Luna 86%. Четыре открытые модели показали 66–89%. На разбор уходило от 1,4 до 16 минут. Есть и слабое место: в контрольных статьях без ошибок модели всё равно отмечали 14–29% типов проблем. Вывод авторов: если полагаться только на людей, часть устранимых ошибок проходит в печать... Источники: https://www.medrxiv.org/content/10.64898/2026.10.25.26366455v2 #AI #Медицина #LLM #Наука #Рецензирование
Канал в каталоге Максиметера
544 подписчиков · IT и технологии