跳到正文
arXiv · NLP· Ziqing Wang, Lili Zhao, Kaize Ding·· 2026-10-06AI 评分36

MedicalHarness:医疗任务中 LLM 与 Agent 框架受控评估

MedicalHarness: A Controlled Evaluation of LLMs and Agent Harnesses on Medical Tasks

AI 导读

针对 LLM Agent 在医疗任务中的表现,研究指出其得分取决于模型与 Agent 框架(harness)的组合,框架及其与模型的交互约占结果方差的四分之一,且没有单一框架在所有模型和任务中表现最佳。

来源:arXiv · NLP · arxiv.org