实体 LongMedBench

LongMedBench

PulseAugur coverage of LongMedBench — every cluster mentioning LongMedBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_139206 · Jul 10 · 12:04

新的LongMedBench数据集评估医疗AI代理的长时程临床决策能力

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…