// AI 新闻 · 2026-11-07 · Nature
五款大语言模型在传染病问题上的表现评估
研究团队对ChatGPT-4.1、ChatGPT-4o-mini、Claude、Copilot和Gemini五款大语言模型在227道药学专业传染病课程试题上的回答准确性进行了评估。
原文发布 2026-11-07 08:00（北京时间）来源 Nature自动整理 · 已核对原文
01摘要
整体准确率介于89.4%至91.2%之间，其中ChatGPT-4o-mini表现最佳，Claude与Copilot最低。模型在药理学问题上准确率最高（93.6%），依次为治疗学（93.0%）、药代动力学/药效动力学（91.1%）、微生物学（87.5%）和药物化学（84%）。药物化学与微生物学问题显著低于治疗学（p < 0.05），涉及评估与创造类题型的准确率（85.6%）也明显低于记忆与理解类题型（92.0%，p < 0.05）。含图片的问题准确率显著下降（69% vs 91%）。各模型间一致性中等（Kappa系数0.497–0.613）。研究指出当前大语言模型在化学与微生物内容、高阶推理及图像理解方面存在局限，需谨慎整合使用。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 五款大语言模型整体准确率在89.4%至91.2%之间，ChatGPT-4o-mini表现最优。
- 药理学和治疗学问题准确率最高，药物化学与微生物学问题准确率显著偏低。
- 评估与创造类题目准确率（85.6%）明显低于记忆与理解类题目（92.0%）。
- 含图片的问题准确率仅为69%，显著低于无图题（91%），图像理解能力较弱。
03原文出处
Performance of five large language models (LLM) on infectious diseases related questions
Nature · 发布于 2026-11-07 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-07 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日