评测数据集 · 实体榜单 · medbench-rag · GB-Clin
MedBench RAG / 知识库问答：公开评测地图与私有门禁映射｜LumeSage
检索增强与知识库问答轨：必须把检索语料版本、引用忠实度与幻觉分开计量。 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/medbench-rag/
定义与观测窗口
MedBench RAG / 知识库问答（MedBench RAG Agent）· 观测窗口 2026-09-27。
检索增强与知识库问答轨：必须把检索语料版本、引用忠实度与幻觉分开计量。
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:2511.14439。
测什么 / 测不到什么
测量面：
- 检索命中
- 引用忠实
- 拒答于证据不足
产业共识缺口：
- 检索增益被误报为模型能力
- 过期指南进入索引
数据集要求（可采购字段）
- 索引版本
- 引用片段 ID
- 无证据拒答率
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
MedBench RAG / 知识库问答公开协议能对照的是：检索命中、引用忠实、拒答于证据不足。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：检索增益被误报为模型能力；过期指南进入索引。
写进数据卡时建议保持同名的字段是：索引版本、引用片段 ID、无证据拒答率。缺哪一项，就标成未覆盖。
LumeSage 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。