牙科评测

联合全球牙科专家,检验大模型在真实牙科临床中的推理能力与安全风险。

建设中

专家级的牙科推理会在哪里出错?这些错误又需要怎样的监督来纠正?

在 GlobalDentBench 之后,团队正在建设难度更高的 OmniDentBench:题目来自 PubMed Central 开放获取的病例报告和研究论文,经过智能体出题、前沿模型难度筛选和国内外牙科专家逐题评审,用来检验大模型在专家级临床决策中的表现,并找出模型最需要哪类专业监督。

1,000+道高难度病例题
12个牙科专科
6个能力与安全维度
8类影像证据

能力与安全维度

临床推理治疗与管理患者安全伦理与法律边界专业判断沟通质量

题型

  • 客观单选题
  • 客观精确答案题(接受等价写法)
  • 主观题(加权评分细则 + 安全红线)

影像证据

口内照片全景片根尖片头颅侧位片CBCT 与 CT磁共振组织病理图像数字化牙模与扫描
  1. 1
    文献溯源与多模态证据整理

    从 PubMed Central 开放获取的病例报告与研究论文中,按牙科相关性和来源资格筛选,提取全文与相关图像,保留可追溯的多模态证据。

  2. 2
    智能体出题与难度筛选

    由 GPT-5.4 基于保留的文本和图像生成候选题,经检查与修正的质量控制后,再由 GPT-5.4、Gemini-3-Flash-Preview、Claude-Opus-4.6 做难度筛选,合格的题目才进入专家评审。

  3. 3
    专家评审与收录

    三位评审委员互不可见地独立投票,至少两票通过;终审由国内专科主委和至少一位海外专家参与,全部终审专家同意后才收录。

初步结果显示,前沿大模型在专家级牙科推理上仍有明显短板,部分回答会触发安全红线。完整结果将随论文发布。

OmniDentBench 概览:12 个专科、6 个能力与安全维度、3 种题型和 8 类影像证据(图源:OmniDentBench 海报)
OmniDentBench 概览:12 个专科、6 个能力与安全维度、3 种题型和 8 类影像证据(图源:OmniDentBench 海报)
专家主导的三阶段构建流程(图源:OmniDentBench 海报)
专家主导的三阶段构建流程(图源:OmniDentBench 海报)

参与和贡献赵俊杰、Ziying Sheng、Jiajun You、金作林、王俊文、王本友,以及 OmniDentBench 专家组(OmniDentBench Consortium)的国内外牙科专家

参与单位香港大学、北京协同创新研究院、香港中文大学(深圳)、深圳河套学院、南方医科大学深圳口腔医院(坪山)