MedHarnessBench

新的MedHarnessBench评估医疗AI代理的流程质量

研究人员推出了MedHarnessBench，这是一个旨在评估医疗代理的新基准。该基准侧重于七个关键流程维度，而不仅仅是任务完成，包括护理行动履行、资源能力、患者证据对齐、工作流程连续性、可审计性、验证和行为边界。MedHarnessBench包含342个可执行任务，利用FHIR/EHR操作和各种临床工具，并在超过16,000次受控任务执行中应用时，在任务成功和执行质量方面均显示出显著改进。