Share your thoughts, 1 month free Claude Pro on usSee more

Clinical Decision-Making on MIMIC Common IV (test)

0.0385Diagnoses Error

ReasoningBank

Updated 3mo ago

Evaluation Results

Method
ReasoningBank 2026.01	0.0385	0.1275	0.125	0.0448	0.2931	0.2103	0.1399
ReAct 2026.01	0.0955	0.1295	0.1274	0.0756	0.2472	0.2772	0.1587
ReflecTool (IR) 2026.01	0.1046	0.0893	0.136	0.0713	0.2428	0.2882	0.1554
Reflexion 2026.01	0.1216	0.0983	0.0989	0.0901	0.2273	0.2292	0.1442
ReflecTool (CS) 2026.01	0.1647	0.0821	0.1265	0.0614	0.2572	0.2589	0.1585
ReAct 2026.01	0.1671	0.1172	0.1545	0.067	0.2739	0.1413	0.1535
ReSum 2026.01	0.1753	0.0881	0.1166	0.1	0.2717	0.232	0.1639
ReAct 2026.01	0.1836	0.0793	0.1895	0.1075	0.2857	0.2346	0.18
ReflecTool (IR) 2026.01	0.1992	0.0822	0.1389	0.091	0.249	0.239	0.1665
ReflecTool (CS) 2026.01	0.2088	0.0894	0.1579	0.1059	0.3066	0.1985	0.1779
ReSum 2026.01	0.2161	0.1083	0.1597	0.1301	0.3503	0.2317	0.1994
Reflexion 2026.01	0.2323	0.0887	0.1585	0.0818	0.3098	0.1599	0.1718
RETROSUM 2026.01	0.2368	0.0977	0.1584	0.1039	0.2983	0.2791	0.1957
RETROSUM 2026.01	0.2514	0.1092	0.1568	0.1289	0.3068	0.3171	0.2117
ReasoningBank 2026.01	0.2519	0.1998	0.1726	0.1267	0.3743	0.2793	0.2341
RETROSUM 2026.01	0.2519	0.1389	0.1881	0.1285	0.3473	0.2217	0.2127
ReSum 2026.01	0.2804	0.1009	0.157	0.0728	0.2907	0.0803	0.1637
RETROSUM 2026.01	0.2842	0.1328	0.1568	0.0953	0.3092	0.0988	0.1795
RETROSUM 2026.01	0.3148	0.199	0.183	0.1429	0.3578	0.2573	0.2425
RETROSUM 2026.01	0.37	0.1951	0.1791	0.1346	0.3556	0.2342	0.2448
ReSum 2026.01	0.3822	0.0882	0.2024	0.1618	0.3186	0.1888	0.2237
ReAct 2026.01	0.3841	0.1856	0.2032	0.1688	0.3762	0.1826	0.2501
RETROSUM 2026.01	0.4023	0.2569	0.2146	0.1128	0.2614	0.2071	0.2425
ReSum 2026.01	0.4024	0.2181	0.209	0.0752	0.2668	0.1993	0.2285
RETROSUM 2026.01	0.4127	0.2989	0.2097	0.1536	0.2603	0.2327	0.2613
ReAct 2026.01	0.427	0.2151	0.1867	0.0764	0.2693	0.2053	0.23
RETROSUM 2026.01	0.427	0.1859	0.2296	0.1846	0.348	0.1901	0.2609
RETROSUM 2026.01	0.4734	0.2321	0.2236	0.1861	0.3397	0.2729	0.288