Mga Papel at Pananaliksik

Inilabas ng Stanford HAI ang MedHELM, PhysicianBench at HealthAdminBench; nasukat na wala pang kalahati ang aktwal na completion rate ng medical AI Agent

Orihinal na pamagat:Measuring What Medical AI Can Actually Do

AI summary

Ibinuod ng koponan ng Stanford ang tatlong taong pagbuo ng benchmark para sa medical AI; sa PhysicianBench, ang pinakamahusay na modelong GPT-5.5 ay nakatapos lamang ng 46% ng gawain sa isang pagkakataon, at sa HealthAdminBench, ang Claude Opus 4.6 ay nakatapos ng 36.3%. Saklaw ng MedHELM ang 5 pangunahing kategorya at 121 klinikal na gawain; ipinakita ng pagsusuri na pinakamababa ang iskor sa clinical decision support at mga proseso ng pamamahala; pangunahing nagmumula ang pagkabigo sa pagkawala ng konteksto kapag nagpapasa ng impormasyon sa mga dokumento at sistema; ang dalawang benchmark ay bukas sa synthetic data, pampublikong code at leaderboard.

Mahahalagang impormasyon

  • Ibinuod ng koponan ng Stanford ang tatlong taong pagbuo ng benchmark para sa medical AI
  • sa PhysicianBench,ang pinakamahusay na modelong GPT-5.
  • 5 ay nakatapos lamang ng 46% ng gawain sa isang pagkakataon,at sa HealthAdminBench,ang Claude Opus…
  • 6 ay nakatapos ng 36.
  • Saklaw ng MedHELM ang 5 pangunahing kategorya at 121 klinikal na gawain

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
Stanford HAI News(网页)
Kategorya
Mga Papel at Pananaliksik
AI na marka
67
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Kaugnay na Entity

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Inilabas ng Stanford HAI ang MedHELM, PhysicianBench at HealthAdminBench; nasukat na wala pang kalahati ang aktwal na completion rate ng medical AI Agent. 19 Oktubre 2026. https://new.nat6.net/fil/news/dla37so34wcgznigffx3j6qko/

Tingnan lahat →