> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# InclusionMed：按医疗角色与能力组织五项评测
- URL: https://binnn.top/inclusionmed-medical-evaluation-atlas/
- Published: 2026-11-17T13:04:13.000Z
- Updated: 2026-11-17T14:39:25.000Z
- Description: 论文从388项候选基准中筛选四项公开评测，并加入一项私有诊断评测。首版仅覆盖九种角色与能力组合中的三种，综合分采用五项等权平均。
- Author: Sunbin 编辑部
- Tags: AI 最新论文进展, 语言模型, #sunbin-auto, #sunbin-newsroom

论文阅读笔记 · arxiv.org · 原文日期 2026-11-16

## 用角色与能力定位任务

论文提出 InclusionMed，将医疗模型评测组织为九格矩阵：角色分为患者与公众、医疗专业人员、医疗行政人员，能力分为知识、推理与执行行动。每项基准或其医疗子集按任务中占主导的角色和能力归入一格，用来呈现评测代表了哪些需求，以及覆盖仍有哪些缺口。

## 从388项候选筛到五项基准

作者报告，首版收集388项候选，经审查留下八项，再通过独立复现检查区分能力。其中三项医学知识基准出现分数饱和，HealthBench 对模型的区分有限，最终保留四项公开基准或子集。加入自建私有诊断基准后，五项评测仍只覆盖九格中的三格，覆盖范围是这一版本的明确限制。

## 私有诊断题要求答案与论证同时合格

私有基准 InclusionMed-DxFiles 包含312个病例，改编自《新英格兰医学杂志》的麻省总医院病例记录。模型阅读隐去最终诊断的临床材料，提交首要诊断及推理依据。其分数是获评“完全合格”的病例比例：既要首要诊断正确，也不能包含缺乏支持的诊断主张。

## 五项等权，执行环境各有分工

首版评估了11个模型家族的22个版本，综合指数取五项基准分数的等权平均。执行方式随任务变化：专业问答和私有诊断题直接调用接口，PhysicianBench 使用电子病历环境中的智能体，另两项使用命令行智能体。因此，指数汇总的是这些具体环境下、已被纳入的医疗角色与能力表现。

原始标题：InclusionMed:  
[来源：arxiv.org](https://arxiv.org/abs/2611.21218?ref=binnn.top)