评测数据集 · 实体榜单 · healthbench · GB-Clin
HealthBench：公开评测地图与私有门禁映射｜朗慧
OpenAI 2025：约 5000 段多轮健康对话、262 名医师、约 48562 条对话级 rubric。 对齐 2026-09-27 前沿评测进展，给出 GB-Clin 映射、字段清单与询盘入口。
English entry: /en/gate/benchmarks/healthbench/
定义与观测窗口
HealthBench（HealthBench）· 观测窗口 2026-09-27。
OpenAI 2025：约 5000 段多轮健康对话、262 名医师、约 48562 条对话级 rubric。
主映射 SKU：GB-Clin（临床对话评测集）。相关扩展：GB-Safety。
参考文献标识：arXiv:2505.08775。
测什么 / 测不到什么
测量面：
- 准确性
- 完整性
- 情境意识
- 沟通
- 指令遵循
产业共识缺口：
- 合成对话≠临床结局
- 中文私有 rubric 需重建
- grader 需与医师校准
数据集要求（可采购字段）
- rubric_id
- 权重
- 抽检比例
- 分歧计量
完整采购与门禁协议见意图簇文章，并回到类目页 GB-Clin。
意图簇（商业词进攻）
角色入口
HealthBench公开协议能对照的是：准确性、完整性、情境意识、沟通、指令遵循。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：合成对话≠临床结局；中文私有 rubric 需重建；grader 需与医师校准。
写进数据卡时建议保持同名的字段是：rubric_id、权重、抽检比例、分歧计量。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-Clin 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。