大型语言模型（LLMs）在临床工作流程中日益重要，涉及临床决策支持、医学教育和患者沟通。然而，当前针对医学LLMs的评估方法主要依赖静态的、模板化的基准测试，这些方法未能有效捕捉真实临床实践的复杂性和动态性，从而导致基准性能与临床实用性之间的脱节。为了解决这些局限性，提出了MedArena，这是一个互动评估平台，允许临床医生使用自己的医学查询直接测试和比较领先的LLMs。在用户提供查询后，MedA...