中文医疗大模型评测基准上新，钟南山、葛均波、范先群等院士团队共建专科评测

新民晚报记者近日获悉，中文医疗大模型评测基准MedBench已升级至5.0版本。上海人工智能实验室联合广州实验室、广州医科大学附属第一医院钟南山院士团队，复旦大学附属中山医院葛均波院士团队，上海交通大学医学院附属第九人民医院范先群院士团队等顶尖力量，共同推出专科化评测赛道，首创医疗原子技能评测范式，并实现AI模型幻觉全维度校正，持续筑牢医疗AI安全防线。

上海AI实验室供图（下同）

MedBench是国内首个原生医疗垂直评测体系，也是上海市委网信办、上海市卫生健康委指定的前置医疗AI应用技术评测载体。自2024年首次发布以来，平台已累计服务近12万用户，完成超31万次医疗大模型评测，支撑6项国家级与省级AI赛事。依托MedBench，上海AI实验室于2025年牵头成立医学人工智能评测联盟，目前已有500余家顶尖医疗机构、行业组织和科技企业参与，成为医疗AI测评与验证领域的重要力量。

此次升级后，MedBench 5.0构建起覆盖医疗AI全生命周期的评测闭环——在事前准入环节，平台实施资质核对与基模甄别，从源头把控模型基础能力与合规底线；事中评测环节依托评测基准，开展全维度安全攻防测试和临床场景性能校验，全面探测模型能力边界与潜在风险；事后落地环节持续跟踪应用表现并开展迭代复测，保障医疗AI上线后持续安全可靠。该闭环以上海市医疗大模型应用检测验证中心为核心载体，形成“备案协同、评测准入、伦理审查、落地追踪、整改复测、标准输出”一体化的治理范式，并建立起“8+1”医疗人工智能评测架构，在垂直定位、评测维度、数据规模、技术范式、安全基石、专科场景、产业赋能和生态影响八个维度实现全面布局。

在评测技术上，MedBench 5.0突破传统静态问答模式的局限，创新构建动态化、过程化、幻觉感知的评测新范式。平台搭建了“临床认知应答”与“医疗原子技能”双维度评测框架：认知应答评测覆盖13个子方向，全面评估大语言模型、全模态大模型和医疗智能体的临床认知能力，并与京东健康共建多模态真实线上问诊测评MedRealMM及医学3D影像问答测评Med3DVQA等基准；医疗原子技能评测则围绕数据智能体、检索增强生成智能体、深度研究和安全红队测试四大核心任务，配套自主研发的评测沙箱与工具链，对模型执行能力进行系统性评估。全体系共覆盖63项细分临床评测任务，依托近100万条高精度专业评测试题构成评测标尺。

深耕专科应用是此次升级的重点。针对通用评测难以匹配专科精细化需求的痛点，MedBench 5.0设立专科专精评测赛道，已落地8大细分专科标杆挑战赛，覆盖多专科、全场景与全流程能力。其中，临床决策与全病程管理方向包括：呼吸专科RESClinBench，由钟南山院士团队联合打造，聚焦呼吸典型场景下的临床决策与全病程管理；心内科MyoCardBench，由葛均波院士团队联合打造，聚焦心血管全诊疗场景的一体化决策能力；儿科PEDIASBench，联合上海市儿童医院，立足门诊实景的综合处置与动态病情研判思维。多模态诊断与综合评估方向涵盖：眼健康专科OPHBench，由范先群院士团队联合打造，融合眼科多模态数据，评测眼病综合诊断与分级评估能力；中医专科TCM-5CMEval，联合中国中医科学院和上海中医药大学，评测中医临床科研综合素养。循证与问诊能力评估方向则推出随机对照试验循证证据质量评估RCTBench、基于改良评分系统的多轮问诊自动化测评Mini-CEX，以及联合京东健康打造的医疗循证问答能力测评MedEviBench等特色赛道。这些评测深度贴合真实诊疗流程，全面覆盖急重症识别、慢病管理、多模态诊断与临床决策等复杂场景。

在生态建设与行业标准化方面，MedBench已累计开源超7万条评测数据集，覆盖医疗伦理、医疗安全和医疗文本推理等核心领域，完成超31万次评测服务。团队深度参与10余项医疗AI评测标准制定，发布相关学术论文近30篇，申请专利和软著20余项，并常态化支撑行业服务登记前置审查与备案大模型合规核验。依托医学人工智能评测联盟的500余家成员，平台正持续推进医疗AI评测的开源化、标准化与规模化发展。

原标题：《中文医疗大模型评测基准上新，钟南山、葛均波、范先群等院士团队共建专科评测》