๐จ๐ณ ้ ่ฏปไธญๆ็ ยท ไธญๆ็ๅๆญฅไธ็บฟใ
The Model Reviews series (V1โV5) answers a selection question. It runs each model only 1โ3 times โ a small-sample test group. That tells us the "average level" but not the more critical question:
For clinical use, one good run does not prove reliability. If a model wrongly recommends radiotherapy in several of 20 runs, its high average is irrelevant for independent decisions. That is why this column (Benchmark Repeats) exists: repetition exposes occasional and systematic failures. Article #1 (DeepSeek web) showed a range of 12 points โ unstable. This article tests GLM with the same case, rubric, and input protocol.
| Run | Distribution | Score | Tier |
|---|---|---|---|
| Run 1 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 2 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 3 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 4 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 5 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 6 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 7 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 8 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 9 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 10 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 11 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 12 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 13 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 14 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 15 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 16 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 17 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 18 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 19 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Run 20 | โโโโโโโโโโโโโโโโโโ | โ | โ |
| Statistic | Value |
|---|---|
| Mean | โ |
| Mean | โ |
| Mean | โ |
| Mean | โ |
| Mean | โ |
| Mean | โ |
| Item | Max | Mean | Full marks | Zero |
|---|---|---|---|---|
| 1.1 ๆฏๅฆ่ฎคๅ TisN0M0 | 6 | โ | โ | โ |
| 1.2 ๅๆไฟฎๆญฃ | 10 | โ | โ | โ |
| 1.3 ๅๅญๅๅ | 4 | โ | โ | โ |
| 2.1 ๆๆฏๅ็ๆง + ALND | 8 | โ | โ | โ |
| 2.2 ่พ ๅฉๆพ็ | 4 | โ | โ | โ |
| 3.1 ๅ็ๆๅพ + ๅคๅบๅ ๆฃๆต | 10 | โ | โ | โ |
| 3.2a ๅ ๅๆณๅฟ ่ฆๆง + ๅ จๅ/ไฟไนณๅทฎๅผ โ | 12 | โ | โ | โ |
| 3.2b AI vs TAM + ๅนด้พๅ็น โ | 10 | โ | โ | โ |
| 3.2c ่ฏ็ฉๅ้็็จ | 6 | โ | โ | โ |
| 3.2d OFS / ๅปถ้ฟ / CDK4/6 | 6 | โ | โ | โ |
| 3.3 ๆ HER2 | 4 | โ | โ | โ |
| 4.1 ๅ ๅๆณไธ่ฏๅๅบ็ๆต | 6 | โ | โ | โ |
| 4.2 ้ชจๅฏๅบฆไธ็ๆดปๆนๅผ | 4 | โ | โ | โ |
| 4.3 ้่ฎฟ่ฎกๅ | 4 | โ | โ | โ |
| 4.4 ๅฏนไพงไนณ่ บ + BRCA | 4 | โ | โ | โ |
| 5 ่ชๆ่ฏไผฐ + ไธ็กฎๅฎๆง | 4 | โ | โ | โ |
๐ Back to Benchmark Repeats ยท ๐ฌ Model Reviews (V1โV5) ยท ๐ Scoring framework