OncologyBench 发布：多智能体系统挑战 25 项肿瘤诊疗全流程评测

kenbwork · x · 2026-10-14

研究者发布 OncologyBench，一个可验证的肿瘤学基准：25 项多步肿瘤评测（基于 92 个组件任务）覆盖肿瘤诊疗六个阶段——转化与基础研究、风险与检测、诊断与肿瘤表征、治疗及后续环节。评测要求多智能体系统产出临床相关决策，最终由一个 agent 综合各分析结果形成决策。

评分采用严格口径：任务与决策全部通过才算通过，拒绝和超时计入分母；且分数按模型+agent 框架组合报告，因为框架对成绩影响显著。当前榜首为 Claude Opus 5 + Pi 框架（40.0%），其后是 Claude Opus 5.5 + Claude Code（37.3%）等；Kimi K3、GPT-6 系列、Grok 4.6/4.7 也均有成绩但普遍在 20% 上下。配套提供了论文、博客、GitHub 仓库与在线排行榜。