arXiv · AI· Gengyuan Zhang, Xiao Han, Shijie Zhou, Abdullah Koukash, Jingpei Wu, Jindong Gu, Yuqicheng Zhu, Nassir Navab, Volker Tresp, Ghazal Ghazaei·· 10 天前AI 评分26
SurgKnowBench 和 SurgAgentGym 如何评测手术场景理解中的通用智能体
How to "train" a surgeon? Benchmarking generalist agents in surgical scene understanding
AI 导读
研究团队提出两阶段评测框架,通过 SurgKnowBench 诊断基准揭示当前多模态大语言模型在程序理解上的薄弱边界。 引入 SurgAgentGym 智能体环境,验证使用知识搜索和视觉定位等工具可提升推理时理解,但精确定位仍是瓶颈。 该研究被 NeurIPS 2026 接收,为手术智能体理解提供了新路径。
来源:arXiv · AI · arxiv.org