研究人员开发了 EHR-RobustGym,这是一个旨在测试和训练 AI 智能体使用电子健康记录 (EHR) 进行临床推理能力的新环境。该系统使用 MIMIC-IV 数据集(包含超过 5 亿条记录)来创建嘈杂的数据对,通过记录、数值和查询级别的噪声来挑战智能体。评估表明,当前的大型语言模型在面对嘈杂数据时,任务成功率会显著下降,凸显了稳健性方面的巨大差距。 AI
影响 强调了临床 AI 智能体中关键的稳健性问题,有望加速更可靠的医疗 AI 工具的开发。
排序理由 学术论文,介绍了一个新的 AI 智能体基准测试和训练环境。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →