发布Auto-MD-bench医疗智能体基准

研究团队Shenqi Zhou等人提出Auto-MD-bench基准，该基准包含来自10个临床数据集的15项真实医疗任务，涵盖生存分析、分类和序列预测。基准具备跨队列、跨医院和跨时间周期的外部验证能力，旨在评估自动研究代理在真实医疗任务中的表现。 团队评测了AIDE、AI Scientist v2、Codex和Autoresearch四个代理。结果显示，最强代理虽然主指标得分具竞争力，但风险预测校准度不如简单基线模型，且在人群偏移下性能波动大。该研究揭示了当前自动研究代理在医疗场景应用的局限性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。