Что означает оценка медицинского агента в 94,3%? Разбор различий показателей оценки OpenAI и Стэнфорда

img-1dfd3ec6400cd4a8fd17df35

94.3% не означает, что 94.3% медицинских административных задач были выполнены полностью. 94.3% GPT-6 Astra, объявленные OpenAI 16 ноября 2026 года, — это доля баллов по rubric points (оценочным пунктам) в HealthAdminBench; 36.3% Claude Opus 4.6 CUA из статьи лаборатории Shah Lab Стэнфордского университета — это успешность полных задач (full-task success). Первый показатель измеряет «сколько оценочных … Читать далее