微软发布并开源 HealthAgentBench

微软近期发布并开源了名为 HealthAgentBench 的智能体医疗基准，该基准专为医疗领域设计。基准包含75项智能体医疗任务，覆盖9类不同的临床工作流，且每类任务均配置有独特的独立环境。 测试环节要求智能体在复杂环境中处理原始数据，并执行如查询大型数据库、解读病理图像等多步操作。据 arXiv 发布的 NLP 研究报告，目前在该基准测试中，Claude Code Opus-5.5 表现领先，成功率为 57.3%。研究指出，各类 AI 智能体在 CT 和 MRI 等专业影像模态上的表现普遍较弱。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。