研究人员推出了AutoMedBench，这是一个旨在评估自主AI Agent在执行端到端医学研究任务方面能力的新基准。该基准将Agent的执行组织成一个五阶段工作流，包括规划、设置、验证、推理和提交，任务平均需要33个Agent回合。对数千次运行的分析显示，Agent在验证和提交阶段最挣扎，这表明需要改进AI研究工作流中的可靠性验证。 AI
影响 该基准有望加速开发更可靠的AI Agent，以应对复杂的医学研究任务。
排序理由 该集群包含一篇介绍AI Agent新基准的研究论文。[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 →