Mitosis Bench: AI agents find only 32.4% of dividing cells in tumor images

yawnxyz · x · 2026-10-28

Prime Intellect RL Residency 学员 Dylan Tirandaz 发布 Mitosis Bench——一个病理学 RL 环境/benchmark,要求 agent 在肿瘤图像中找出所有核分裂象(病理学家判断肿瘤生长速度的指标),基于 MIDOG++ 数据集、100 个任务。

结果要点:

Gemini 4 Argon 以 32.4% pass@1 领跑,pass@5 达 43%,单次尝试成本 $0.36、18 次模型调用、5.6 分钟。
Claude Opus 5.5 pass@1 28.6%,成本最低之一($0.178)且最快(1.1 分钟)。
GLM 5.3 Flash 性价比最佳:pass@1 仅 16.8% 但 pass@5 达 41%,单次仅 $0.065。
DeepSeek V4.1 Flash pass@1 8.8%,调用次数高达 68 次且耗时 22 分钟。

作者动机:计算押注在医学上爬坡是强化学习最好的用武之地,医生与科学家因超级智能生产力提升 100 倍的世界很快会到来。配图展示了训练视野中专家标注的核分裂象与易混淆的 look-alike。

Original post →

Mitosis Bench: AI agents find only 32.4% of dividing cells in tumor images

More from Embodied