评测数据集 · 实体榜单 · medbench-v4 · GB-Exam
MedBench v4：公开评测地图与私有门禁映射｜朗慧
中文医疗 LLM / 多模态 / Agent 全国云评测基础设施，公开材料称任务规模逾七十万。 对齐 2026-09-27 前沿评测进展，给出 GB-Exam 映射、字段清单与询盘入口。
English entry: /en/gate/benchmarks/medbench-v4/
定义与观测窗口
MedBench v4（MedBench v4）· 观测窗口 2026-09-27。
中文医疗 LLM / 多模态 / Agent 全国云评测基础设施，公开材料称任务规模逾七十万。
主映射 SKU：GB-Exam（考试型评测集）。相关扩展：GB-Safety、GB-Clin、GB-Vision。
参考文献标识：arXiv:2511.14439。
测什么 / 测不到什么
测量面：
- 医学知识问答
- 语言理解与生成
- 复杂推理
- 安全与伦理
- 多模态
- Agent 编排
产业共识缺口：
- 公开集不可作合同门禁
- 安全分与知识分背离
- 多模态弱于文本
- 动态子集不可外发为私有冻结集
数据集要求（可采购字段）
- 分轨报表
- 专科覆盖声明
- 动态抽样说明
- 医师审题层级
- Agent 工具轨迹字段
完整采购与门禁协议见意图簇文章，并回到类目页 GB-Exam。
意图簇（商业词进攻）
角色入口
MedBench v4公开协议能对照的是：医学知识问答、语言理解与生成、复杂推理、安全与伦理、多模态、Agent 编排。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：公开集不可作合同门禁；安全分与知识分背离；多模态弱于文本；动态子集不可外发为私有冻结集。
写进数据卡时建议保持同名的字段是：分轨报表、专科覆盖声明、动态抽样说明、医师审题层级、Agent 工具轨迹字段。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-Exam 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。