开放模型答完MIR可进前600至3000名，但弃答不划算且图像未被有效利用。
资讯摘要
论文在西班牙MIR住院医师考试上评估四个8至27B参数的开放模型，按考试规则对八届共1552道题评分。三个较大模型若答完所有题，排名约在前600至3000名，仍有41至43个专科可选。弃答从不划算，即使最不自信的答案正确率也高于25%的盈亏平衡点。医学微调降低了过度自信但牺牲准确率，且未改善置信度对正误的区分能力；13%至38%的正确答案以临床不合理的理由排除干扰项，置信度未反映这一点；移除或替换所给图像后准确率不变。
要点速读
- 论文对四个8至27B开放模型按MIR考试规则评分1552道题，三个较大模型答完所有题可排前600至3000名，仍有41至43个专科可选。
- 弃答从不划算：即使最不自信的答案正确率也高于25%的盈亏平衡点。
- 医学微调降低过度自信但牺牲准确率，未改善置信度区分正误的能力；13%至38%的正确答案以临床不合理理由排除干扰项，移除或替换图像后准确率不变。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。