PsyEval：一种用于精神健康领域的综合大型语言模型评估基准

研究评估了大型语言模型（LLMs）在生物医学任务中的性能，发现LLMs在较小训练集的生物医学数据集中表现出色，甚至超过了当前最先进的生物医学模型。然而，不同LLMs的性能可能因任务而异。尽管与精细调整的生物医学模型相比，LLMs的性能仍有待提高，但它们在缺乏大规模注释数据的生物医学任务中具有潜在的价值。