臨床上の質問における大規模言語モデルのパフォーマンス比較

Han T, Adams LC, Bressem KK, et al.
Comparative Analysis of Multimodal Large Language Model Performance on Clinical Vignette Questions.
JAMA. 2024 Mar 18:e2327861. Epub ahead of print. PMID: 38497956.

NEJMからemail-alertが来るたびに、最近はChatGPT（有料）、Gemini（無料）、Claude 3（無料）にImage Challangeの問題文をコピペして遊んでいる。ほとんどは正解するんだけど、時々答えが違う時があって面白い。違うときはほぼChatGPTが正解なのだけど、それって有料だからなんだろうなと思っていたが、どうもそうでもないらしい。