Comparative Performance of Large Language Models in Answering Guideline-Based Questions on Juvenile Idiopathic Arthritis: A Blinded Expert Evaluation
गाइडलाइन-आधारित जुवेनाइल इडियोपैथिक अर्थराइटिस प्रश्नों के एक ब्लाइंडेड विशेषज्ञ मूल्यांकन में, GPT-5.6 Sol ने सटीकता, उपयोगिता और समग्र गुणवत्ता में Gemini 3.1 Pro और Claude Opus 5 से काफी बेहतर प्रदर्शन किया, जो बाल रोग रुमेटोलॉजी में बड़े भाषा मॉडलों के स्वायत्त के बजाय पर्यवेक्षित उपयोग की आवश्यकता का समर्थन करता है।