斯坦福 HAI 实测:最佳医疗 AI Agent 仅完成不到一半真实临床任务
StanfordHAI · x · 2026-11-13
斯坦福 HAI 的两个新 benchmark 用真实临床与行政工作测试医疗 AI:虽然医疗 AI 能在执业资格考试中拿高分,但最好的 agent 在真实任务上完成率不到一半。HAI 教职员工 Nigam 与 Jon（@drnigam、@jonc101x）解读了考试能力与实际工作能力之间的巨大落差,说明医疗 AI 落地远比刷榜成绩显示的困难。
「模型」频道最新
- 社区求实测:Qwen3.8-27B 在 agent 工具调用循环中到底行不行 — MajesticPuzzler · 2026-11-13
- Gemini 4 Hydrogen Flash 现身 Antigravity，Pro 订阅用户可用 — testingcatalog · 2026-11-13
- 实测:ChatGPT 爬虫开始渲染 JavaScript,同一 URL 两种页面 — gaganghotra_ · 2026-11-13
- OpenRouter 数据：token 质量与价格无关，最贵供应商照样烂工具调用 — remilouf · 2026-11-13
- Figure 发布 Handoff²：准确率逼近前沿模型，任务速度快一倍 — adcock_brett · 2026-11-13
- 网友猜测：英伟达风波或让 OpenAI 推迟 GPT-6.2 发布 — VraserX · 2026-11-13