医疗 AI 基准最典型失败:62%-73% 是写对了病历却没下 EHR 医嘱
jonc101x · x · 2026-10-28
该推是斯坦福医疗 AI 基准线程(7/14):最有趣的失败模式在于,未能执行临床动作的失败中,GPT-5.5 占 62%、Claude Opus 4.6 占 73% 的案例是 Agent 正确在病历中记录了该做的事,却从未在 EHR 系统中真正下达医嘱。上一条(6/14)补充:PhysicianBench 中 GPT-5.5 单次完成 46.3% 临床任务,三次稳定成功要求下降至 28%。
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