摘要：文章针对医学领域大语言模型评测的不足，构建了4个医学评测任务，并选取8个中文开源大语言模型进行性能评估。结果表明，通用模型 Qwen2.5-7B-Instruct 表现最佳，而现有开源医学领域大语言模型的性能相对较差。（试读）...
登录
