arXiv · NLP· Qianchu Liu, Sheng Zhang, Guanghui Qin, Jeya Maria Jose Valanarasu, Xiaoke Huang, Peniel Argaw, Maximilian Rokuss, Mingyu Lu, Timothy Ossowski, Juan Manuel Zambrano Chaves, Cliff Wong, Naisargi Patel, Yashna Hasija, Mu Wei, Wen-wai Yim, Qin Liu, Zilin Jing, Jason Entenmann, Naoto Usuyama, Tristan Naumann, Hoifung Poon·· 4 小时前AI 评分36
HealthAgentBench：涵盖9类临床工作流的75项任务智能体医疗基准
HealthAgentBench: A Unified Benchmark Suite of Realistic Agentic Healthcare Environments for Challenging Frontier AI Agents
AI 导读
HealthAgentBench是一套包含75个智能体医疗任务的基准，由研究人员发布。 该基准覆盖9个类别，任务要求智能体在复杂环境中处理原始数据并执行多步操作，如查询大型数据库或解读病理图像。测试显示，Claude Code Opus-5.5以57.3%的成功率领先，各AI智能体在CT和MRI等专业影像模态上的表现普遍较弱。
来源：arXiv · NLP · arxiv.org