Was bedeutet ein Wert von 94,3 % bei einem medizinischen Agenten? Zerlegung der Unterschiede zwischen den Bewertungsmetriken von OpenAI und Stanford

img-1dfd3ec6400cd4a8fd17df35

94.3% bedeuten nicht, dass 94.3% der medizinischen Verwaltungsaufgaben vollständig erledigt wurden. Die 94.3%, die OpenAI am 16. November 2026 für GPT-6 Astra veröffentlicht hat, sind der bei HealthAdminBench erreichte Anteil an rubric points (Bewertungspunkten); die 36.3% für Claude Opus 4.6 CUA in einer Arbeit des Stanford Shah Lab sind die Erfolgsquote bei vollständigen Aufgaben (full-task … Weiterlesen