数据/医疗

医学与临床推理

由临床医生命题并审定的医学数据，难度定在模型仍会失手的前沿。每道题的答案都经得起推敲，并配有医生认可的推理；每道题还在多个模型上评分，能力在何处失守，一目了然。

覆盖范围

  • 诊断推理
  • 流行病学
  • 生物统计学
  • 临床决策
  • 考试前沿难度

交付内容

  • 题库
  • 标准答案
  • 解析
  • 多模型评分
  • 难度分层与抽样记录

构建流程

从源头到验收

我们从不堆一批人工标注，便草草交付。每类数据都要走完一个封闭且全程可观测的循环：依需求生成，经机器检查，由专家裁决，端到端可追溯。而每类数据所走的路径，各有不同。

  1. 01

    临床命题

    执业医师以脱敏的真实病例命题，考察临床工作中真正要求的诊断与流行病学推理，而非教科书式的记忆。

  2. 02

    答案复核

    第二位医师独立重做每道题以确认答案，并记下公认的解析、站得住脚的论证思路，以及易致误判的干扰项。

  3. 03

    多模型评判

    每道题都在一组前沿模型上评分，逐题正确率由实测得出而非假定，从而分离出临床推理真正失守的案例。

  4. 04

    难题筛出

    模型一贯答对的题目予以淘汰，屡答屡错的题目留下，使题集集中于仍能难倒最强模型的问题。

  5. 05

    难度分层

    留下的题目分入经过校准的难度层级，分布保持稳定，覆盖从常规判断到前沿疑难的完整范围。

  6. 06

    安全与合规评审

    发布前的最后一轮合规审查，逐一核验每个答案的临床可辩护性与隐私保护——在医学中，错误的答案教给模型的，恰恰是错误的一课。

每轮运行都会产生学习信号，回流至源数据集；流水线由此逐批自我收紧。

样本

看看数据本身

本类别的一份真实样本，经过精简：它服务的场景、对训练的意义，以及交付时的数据形态。

应用场景

  • 部署前评估临床推理与医疗安全
  • 以经得起推敲的诊断与流行病学推理进行训练
  • 以考试级医学问题对前沿模型做压力测试

对训练的意义

关键

医学风险高、容错低：错误的答案教给模型错误的一课，医师评审因而不容妥协。

主要特点

  • 医师命题并审核
  • 多模型正确率评分
  • 多选题答案
  • 前沿难度（HLE 级）
Medical · HLE medical delivery sample
领域

Epidemiology · Serologic testing

题型

Multi-select, single delivery item

问题

Among the exposed group, 176 of 500 workers tested seropositive. Among the unexposed group, 78 of 500 workers tested seropositive. Assume the serologic assay has sensitivity Se = 0.80 and specificity Sp = 0.90, identical in both exposure groups. Assume nondifferential outcome misclassification, no loss to follow-up, and that the stated Se and Sp apply exactly. Select all correct statements. A. The observed risk ratio for exposure is greater than 2.3. B. The corrected cumulative incidence in the exposed group is 0.36. C. The corrected cumulative incidence in the unexposed group is 0.08. D. Under the corrected risks, the population attributable fraction in the total cohort exceeds 0.60. E. Under the stated assumptions, more than half of observed seropositive results in the unexposed group are false positives. F. Because the outcome misclassification is nondifferential, the observed risk ratio must be closer to 1 than the corrected risk ratio in every possible setting with Se < 1 and Sp < 1.

显示答案
答案

B, C, D, E

评分

Delivered with a per-model correctness column; this item is judged against multiple frontier model responses.

需要样本，或想定制构建？

告诉我们规格与规模，我们按单交付。

联系我们
← 返回数据