PulseAugur
中
实时 08:50:14
English(EN) LongMedBench: Benchmarking Medical Agents for Long-Horizon Clinical Decision-Making

新的LongMedBench数据集评估医疗AI代理的长时程临床决策能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了LongMedBench，这是一个旨在评估医疗AI代理长时程临床决策能力的新基准。与之前侧重于短时情境问答的评估不同，LongMedBench利用来自MIMIC-IV的真实电子健康记录（EHR）数据，整合了患者在长时间内的病史、记录和医疗事件。该基准包括三个评估套件：基于事实的问答、时间推理和长时程决策，旨在评估AI代理如何利用患者的历史信息。初步实验表明，虽然当前的LLM可以利用明确的时间戳，但它们在处理隐含时间推理方面存在困难；尽管检索增强生成（RAG）和记忆系统可以改善信息检索，但决策性能仍然依赖于情境。 AI

影响 该基准有望推动能够处理复杂、纵向医疗数据的更先进AI代理的开发，从而可能改进临床决策支持系统。

排序理由 该集群描述了一篇介绍AI研究基准数据集的新学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的LongMedBench数据集评估医疗AI代理的长时程临床决策能力

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Yanzhen Chen, Zihan Xu, Xiaocheng Zhang, Zhiting Fan, Weiqi Zhai, Hongxia Xu, Zuozhu Liu ·

    LongMedBench：面向长时程临床决策的医疗智能体基准测试

    arXiv:2607.09322v1 Announce Type: new Abstract: In this work, we introduce LongMedBench, a real-world EHR-based benchmark for long-horizon clinical decision-making. Prior evaluations of LLM-based medical agents have largely emphasized short-context knowledge QA and tool use. Howe…

  2. arXiv cs.AI TIER_1 English(EN) · Zuozhu Liu ·

    LongMedBench：用于长时程临床决策的医疗代理基准测试

    In this work, we introduce LongMedBench, a real-world EHR-based benchmark for long-horizon clinical decision-making. Prior evaluations of LLM-based medical agents have largely emphasized short-context knowledge QA and tool use. However, real-world medical care is inherently longi…

相关实体

相关话题