实体 MedCUA-Bench

MedCUA-Bench

PulseAugur coverage of MedCUA-Bench — every cluster mentioning MedCUA-Bench 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

TOOL · CL_68276 · Jun 3 · 04:00

新基准测试揭示AI代理在临床软件方面存在困难

研究人员开发了MedCUA-Bench，这是一个旨在评估计算机使用代理在临床环境中性能的新基准测试。该基准测试侧重于与医疗软件的仅限屏幕截图交互，解决了现有工具未能充分代表医疗保健应用程序独特界面和安全要求的局限性。MedCUA-Bench包含跨越10个医学领域的18个临床场景，这些场景根据真实材料重建，以确保真实性，同时尊重隐私和许可。初步评估显示，即使是表现最好的闭源模型也面临困难，仅达到54.2%的严格成功率，而开源模型的表现则…