推出HealthBench两套医疗对话评测榜单

Artificial Analysis 推出 HealthBench 和 HealthBench Professional 两个榜单，评估模型在真实健康对话中的表现，前者含 5000 段与普通用户及医护人员的对话，后者为 525 段全部面向临床医生的对话。

摘自 Artificial Analysis

还没有足够的连续观测数据，暂不绘制趋势。