Med-V1: Small Language Models for Zero-shot and Scalable Biomedical Evidence Attribution

En 3 lignesMed-V1 est une famille de modèles de langage de 3 milliards de paramètres entraînés sur des données synthétiques pour l'attribution d'évidences biomédicales. Elle surpasse ses modèles de base de +27% à +71% sur cinq benchmarks et rivalise avec GPT-5, tout en détectant les hallucinations et les erreurs d'attribution dans les directives cliniques.

Résumé généré par Claude — vérifié par l'humain