评测数据集 · 实体榜单 · medbench-v5 · GB-Vision
MedBench v5：公开评测地图与私有门禁映射｜朗慧
从静态 QA 转向过程导向与幻觉感知：信息流压力源、动态过程审计与幻觉传播轨迹。 对齐 2026-09-27 前沿评测进展，给出 GB-Vision 映射、字段清单与询盘入口。
English entry: /en/gate/benchmarks/medbench-v5/
定义与观测窗口
MedBench v5（MedBench v5）· 观测窗口 2026-09-27。
从静态 QA 转向过程导向与幻觉感知：信息流压力源、动态过程审计与幻觉传播轨迹。
主映射 SKU：GB-Vision（多模态评测集）。相关扩展：GB-Exam、GB-Safety。
参考文献标识：arXiv:2606.24155。
测什么 / 测不到什么
测量面：
- 临床认知响应
- 医学原子技能
- 缺省/矛盾/证据延迟压力
- 过程节点
- 幻觉萌生到锚定轨迹
产业共识缺口：
- 终答 grounding 稳不等于过程稳
- 中间日志验收缺省
- 私有压力源题难买
数据集要求（可采购字段）
- 过程日志 schema
- 压力源类型
- 自我纠正事件
- 证据裁切规则
完整采购与门禁协议见意图簇文章，并回到类目页 GB-Vision。
意图簇（商业词进攻）
角色入口
MedBench v5公开协议能对照的是：临床认知响应、医学原子技能、缺省/矛盾/证据延迟压力、过程节点、幻觉萌生到锚定轨迹。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：终答 grounding 稳不等于过程稳；中间日志验收缺省；私有压力源题难买。
写进数据卡时建议保持同名的字段是：过程日志 schema、压力源类型、自我纠正事件、证据裁切规则。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-Vision 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。