Apa Arti Skor 94,3% Agen Medis? Membedah Perbedaan Metrik Evaluasi OpenAI dan Stanford
94.3% bukan berarti 94.3% tugas administrasi medis sudah diselesaikan secara utuh. Angka 94.3% untuk GPT-6 Astra yang diumumkan OpenAI pada 16 November 2026 adalah proporsi skor poin rubrik (rubric points) pada HealthAdminBench; sedangkan 36.3% untuk Claude Opus 4.6 CUA dalam makalah Shah Lab Stanford adalah tingkat keberhasilan tugas penuh (full-task success). Yang pertama mengukur “berapa … Baca Selengkapnya