Các bài viết của Vanaxity về chủ đề AI benchmark claims, do Van Data Team biên soạn.
Ngày 22 tháng 10 năm 2026, các nhà nghiên cứu của Microsoft công bố một bài báo đã qua bình duyệt trên Science về MAI-DxO, hệ thống chẩn đoán bằng AI chạy trên GPT-5 của OpenAI. Hệ thống chẩn đoán đúng 83,2% trong 304 ca khó từ New England Journal of Medicine. Bác sĩ đa khoa đạt trung bình 36,1% khi có tài liệu tham khảo chuẩn và 22,3% khi không có, trên một nhóm 56 ca được giữ riêng. Với 325 hồ sơ cấp cứu, điểm số là 80,3% cho hệ thống và 46,8% cho bác sĩ. Kết quả là thật nhưng hẹp: các ca là hồ sơ cũ dạng văn bản, bác sĩ là bác sĩ đa khoa làm một mình thay vì chuyên khoa hay nhóm, cả 15 tác giả đều làm ở Microsoft, và chi phí xét nghiệm chỉ là ước tính. Một nghiên cứu với bệnh nhân thật đang được lên kế hoạch tại Beth Israel Deaconess Medical Center. Với marketer, bài báo là bài học rõ ràng về cách đọc, nhắc lại và viết các tuyên bố benchmark AI.
