99.7%这个数，我暂时不打算当真，至少在看到测试细节之前。
HealthGPT这类医疗VLM报的是对复杂MRI模态理解的准确率，可用的什么数据集、做的什么任务、准确率又怎么定义，一样都没讲。医疗影像离开测试集和任务定义谈准确率，基本没意义。在干净、分布均匀的benchmark上刷出来的分，和临床里那些模糊的、罕见的、几种病叠在一起的片子，根本不是一回事。
单一模型能处理多类生成任务，这个方向我认，通用性本身是好事。只是到了医疗这块，数字越漂亮越要多看两眼：剩下那0.3%，放到临床上可能就是一次要命的漏诊。技术进步可以关注，营销式报数字还是得防着点。
