评测数据集 · 实体榜单 · healthbench-consensus · GB-Audit

2026-09-27前沿洞察 · 医疗大模型评测对应类目 GB-Audit

HealthBench Consensus：公开评测地图与私有门禁映射｜朗慧

多重医师共识筛选的准则子集，启发尽调附件中的「多重校验」写法。 对齐 2026-09-27 前沿评测进展，给出 GB-Audit 映射、字段清单与询盘入口。

English entry: /en/gate/benchmarks/healthbench-consensus/

定义与观测窗口

HealthBench Consensus（HealthBench Consensus）· 观测窗口 2026-09-27。

多重医师共识筛选的准则子集，启发尽调附件中的「多重校验」写法。

主映射 SKU：GB-Audit（污染审计）。相关扩展：GB-Clin。

参考文献标识：arXiv:2505.08775。

测什么 / 测不到什么

测量面：

• 共识准则错误率
• 医师一致率

产业共识缺口：

• 共识成本高
• 中文需本地医师网

数据集要求（可采购字段）

• 终审层级
• 共识轮次
• 分歧样本归档

完整采购与门禁协议见意图簇文章，并回到类目页 GB-Audit。

意图簇（商业词进攻）

1. 局限与私有映射 · 局限 私有评测 门禁
2. 采购与数据卡 · 采购 数据集要求 数据卡
3. 污染与可信度 · 污染审计 防泄漏 尽调
4. 评分细则与对比 · rubric 评分 对比公开榜
5. 公开对照与私有门禁对比 · 对比 公开榜 私有门禁
6. 上线门禁协议 · 上线门禁 发布协议 一票否决

角色入口

• 算法负责人 — 分轨指标、CI、失败分桶、代际复测
• 采购接口人 — 可比选字段、验收、报价单元、交付节奏
• 法务/合规 — 授权、再训练边界、脱敏、外发裁切
• 融资/BD尽调 — 可归档材料、污染声明、过关结论证据

HealthBench Consensus公开协议能对照的是：共识准则错误率、医师一致率。这些维度要分列，不能收成一个总分。

公开材料测得到、合同里买不到的部分是：共识成本高；中文需本地医师网。

写进数据卡时建议保持同名的字段是：终审层级、共识轮次、分歧样本归档。缺哪一项，就标成未覆盖。

朗慧 把公开对照留在需求地图上，把可下单的规格放在 GB-Audit 的私有层。观测窗口 2026-09-27；版本以原论文和当期数据卡为准。

行动

就 HealthBench Consensus 询价 GB-Audit · 提交评测简报 · English stub