Stanford HAI veröffentlicht MedHELM, PhysicianBench und HealthAdminBench: medizinische KI-Agenten erledigen weniger als die Hälfte
Originaltitel:Measuring What Medical AI Can Actually Do
KI-Zusammenfassung
Ein Stanford-Team fasst die Ergebnisse aus drei Jahren Aufbau medizinischer KI-Benchmarks zusammen. Auf PhysicianBench erledigt das beste Modell GPT-5.5 in einem Durchlauf nur 46 % der Aufgaben, auf HealthAdminBench erreicht Claude Opus 4.6 36,3 %. MedHELM umfasst 121 klinische Aufgaben in 5 Kategorien; die Bewertung zeigt die niedrigsten Werte bei klinischer Entscheidungsunterstützung und Verwaltungsprozessen. Fehler entstehen vor allem durch Kontextverlust bei der Informationsübertragung zwischen Dokumenten und Systemen. Beide Benchmarks sind mit synthetischen Daten, öffentlichem Code und Ranglisten offen zugänglich.
Kernpunkte
- Ein Stanford-Team fasst die Ergebnisse aus drei Jahren Aufbau medizinischer KI-Benchmarks zusammen.
- Auf PhysicianBench erledigt das beste Modell GPT-5.
- 5 in einem Durchlauf nur 46 % der Aufgaben,auf HealthAdminBench erreicht Claude Opus 4.
- MedHELM umfasst 121 klinische Aufgaben in 5 Kategorien
- die Bewertung zeigt die niedrigsten Werte bei klinischer Entscheidungsunterstützung und…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- Stanford HAI News(网页)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 67
斯坦福团队基于三年基准构建经验给出实测结论,最好的医疗 Agent 完成任务不足一半,失败多源于跨系统信息传递。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Stanford HAI veröffentlicht MedHELM, PhysicianBench und HealthAdminBench: medizinische KI-Agenten erledigen weniger als die Hälfte. 19. Oktober 2026. https://new.nat6.net/de/news/dla37so34wcgznigffx3j6qko/