BedsideBench 临床问答基准

这份基准由 Doximity 公司发布，公开在 GitHub 与 Hugging Face。它含 500 个临床问答病例，分属 10 个子基准，每个 50 例。公开训练集 250 例，测试集留出不公开。每例给出问题和带正负分值的评分细则。

临床问答模型要回答药物安全、指南依从、诊断安全等床旁问题。这份基准把这类问题按子基准整理，可用于比较不同模型的回答质量。部分病例故意含错误前提或虚构实体，可用于检验模型能否识别。

病例为合成或去标识改写的问答题，不是患者记录，不属于 1.0 临床真实一层。它属于 4.0 任务环境，每例有评分细则，并公开评审提示、计分公式、汇总规则与置信区间方法。模型能从正负分细则中学习哪些要点必须答到、哪些错误会被扣分。细则的编写者与资质未列明，得分不能证明模型可安全用于临床。细则反映编写时的诊疗标准，会随指南更新而过时。

项目	内容
规模	500 例，公开训练集 250 例
记录来源	合成数据
记录单位	临床问题
时间轴	不适用，题库无个体患者记录
结局	不适用
任务环境	有，固定划分、评分细则、大语言模型评审提示与参考评分脚本

表：case JSON（data/{benchmark}/）。

字段	含义	类型或取值
case_id	病例的稳定标识	README 未注明类型
benchmark	所属子基准名	10 个之一，如 drug_safety
grading_method	评分方法	points_rubric 或 f1_weighted_rubric
prompt	发给模型的问题	文本
rubric_items	评分细则条目	列表，含 item_id、text、points
item_id	细则条目编号	{md5(prompt)}_{index}
text	细则描述	文本
points	细则分值，正项为应答要点，负项为错误	带符号，+3 至 -3

项目	内容
许可	CC BY-NC-SA 4.0
商用	否
申请	公开下载

项目	内容
维护方口径	每例附带正负分值的评分细则。公开评审提示、计分公式与置信区间方法
已知局限	仅用于评测，不得用于诊疗。部分病例故意含错误前提或虚构实体。评分细则会随指南变化而过时

• 医疗工作流程　›　病历问答与推理

https://github.com/doximity/bedside-bench；https://github.com/doximity/bedside-bench/blob/master/CITATION.cff；https://github.com/doximity/bedside-bench/blob/master/LICENSE；https://huggingface.co/datasets/doximity/bedside-bench；https://github.com/doximity/bedside-bench/blob/master/DISCLAIMER.md；https://raw.githubusercontent.com/doximity/bedside-bench/master/README.md；https://raw.githubusercontent.com/doximity/bedside-bench/master/LICENSE；https://raw.githubusercontent.com/doximity/bedside-bench/master/DISCLAIMER.md。