代际更新 · 季度简报
跟踪 MedBench v4→v5、HealthBench Hard 饱和、动态换题与安全分背离。窗口 2026-09-27。
本期长文
- 代际简报：MedBench v4 到 v5，门禁为什么必须验收过程而不是终答
- 代际简报：HealthBench Hard 未饱和之前，不要用整体分宣布问诊产品过关
- 代际简报：知识分与安全分背离仍在，发布叙事不能回到单一总分
- 代际简报：动态换题对抗记忆之后，企业仍需要一份可冻结的私有平行集
跟踪 MedBench v4→v5、HealthBench Hard 饱和、动态换题与安全分背离。窗口 2026-09-27。