WearableQA：基於真實穿戴裝置資料的健康推理基準
為何重要
該研究指出，現有的語言模型在真實複雜的穿戴生理資料上，準確率僅達 19.6% 至 72.9%，多數低於 60%，這意味著醫療級 AI 應用目前仍絕對依賴條件假設過多的合成資料。對產業而言，這確認了穿戴裝置 AI 不僅是資料紀錄，更需要具備跨訊號整合與長期趨勢解讀的實力；對開發者，這提供了紮實的評判標準，避免模型在模擬資料上表現良好卻無法應用於真實場景。
針對現有 AI 基準缺乏評估長期健康推理能力的缺口，研究者釋出了 WearableQA 基準。此基準涵蓋了 200 位真實使用者的 4,084 個問題，量測週期最高達 500 天。為了確保評測的真實性，資料集保留了裝置雜訊與個體間的差異，並將問題分為資料運算與生理解讀兩種推理層級。