arXiv ID:
2606.31179
arXiv 提交日期: 2026-06-30
健康智能体基准测试集:面向前沿AI智能体的现实医疗工作环境统一评测平台 / HealthAgentBench: A Unified Benchmark Suite of Realistic Agentic Healthcare Environments for Challenging Frontier AI Agents
1️⃣ 一句话总结
本文提出了一个包含54项医疗任务的基准测试集HealthAgentBench,涵盖从电子病历分析到医学影像处理的七大类别,测试发现目前最先进AI智能体(如Codex GPT-5.5)的整体任务成功率仅约42%,揭示了在复杂搜索空间、组合推理和医学影像理解等维度上仍有巨大提升空间。