HealthAdminBench:Claude Opus 4.6 行政工作流端到端完成率仅 36.3%
jonc101x · x · 2026-10-28
线程(8/14):HealthAdminBench 显示 Claude Opus 4.6 端到端只完成 36.3% 的行政工作流;GPT-5.4 单项子任务成功率 82.8%,但完整工作流仅 26.7%。上一条(7/14)指出主要失败模式是病历记录正确却未在 EHR 下医嘱。
所属事件:斯坦福医疗AI基准复盘：模型会答题却完不成临床工作流(11 条相关)→
「编程与Agent」频道最新
- 多 Agent 管理实战：任务按小时粒度切分，验收只认端到端证据 — dotey · 2026-10-28
- 用 logprobs 把 LLM 从硬分类器升级为可调阈值的软分类器 — JnBrymn · 2026-10-28
- Codex 团队日更系列第 23 天：跳过 iCloud 插件，进行一次重置 — dotey · 2026-10-28
- Cloudflare Access 支持 HTML+Liquid 自定义登录与拒绝页 — dinasaur_404 · 2026-10-28
- 查内存泄漏时 Opus 重试同一会话 2060 万次，开发者晒翻车现场 — johnlindquist · 2026-10-28
- 开源视频设计 Skill：让 AI Agent 按方法论做视频 — songguoxiansen · 2026-10-28