CHI-Bench 医疗工作流基准发布
热点事件持续更新
CHI-Bench 医疗工作流基准发布
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
CHI-Bench团队发布面向端到端长周期医疗工作流的评测基准。该基准涵盖20个医疗应用与87个MCP工具，任务基于超过1290份文档的管理手册，包含多角色交互与多轮对话场景。测试结果显示，当前最佳AI智能体仅能解决28.0%的长期医疗工作流任务。在严格pass^3标准下，无一智能体得分超过20%。单次会话执行所有任务时，智能体性能进一步降至3.8%，表明政策密集型领域存在显著的自动化差距。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 12:00
CHI-Bench：医疗AI智能体能否自动化端到端长周期工作流？报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · NLPCHI-Bench：医疗AI智能体能否自动化端到端长周期工作流？
CHI-Bench 基准测试显示，当前最佳 AI 智能体仅能解决 28.0% 的长期医疗工作流任务，在严格 pass^3 标准下无一智能体得分超过 20%。 该基准涵盖 20 个医疗应用和 87 个 MCP 工具，任务基于 1,290+ 文档的管理手册，包含多角色交互和多轮对话。 单次会话执行所有任务时性能降至 3.8%，表明政策密集型领域存在类似自动化差距。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月30日 17:00
- 近 24 小时变化
- –
02.557.510
17:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。