HealthBench：评估模型在真实医疗对话场景中的表现

Artificial Analysis 发布了 HealthBench Base 和 Prof 基准测试，用于评估 AI 模型在真实医疗健康对话中的表现。该基准为医疗 AI 应用的可信度评估提供了新的标准化工具。