पेपर और शोध

Stanford HAI ने MedHELM, PhysicianBench और HealthAdminBench जारी किए, मेडिकल AI Agent की वास्तविक पूर्णता दर आधे से कम

मूल शीर्षक:Measuring What Medical AI Can Actually Do

AI सारांश

Stanford की टीम ने तीन वर्षों में मेडिकल AI बेंचमार्क बनाने के नतीजों का सारांश दिया। PhysicianBench पर सर्वश्रेष्ठ मॉडल GPT-5.5 ने एक बार में केवल 46% कार्य पूरे किए, जबकि HealthAdminBench पर Claude Opus 4.6 ने 36.3% पूरे किए। MedHELM में 5 श्रेणियों के 121 नैदानिक कार्य शामिल हैं, और मूल्यांकन में नैदानिक निर्णय समर्थन तथा प्रबंधन प्रक्रियाओं के स्कोर सबसे कम रहे; विफलता मुख्य रूप से दस्तावेजों और प्रणालियों के बीच जानकारी पहुंचाते समय संदर्भ खोने से हुई। दोनों बेंचमार्क सिंथेटिक डेटा, सार्वजनिक कोड और लीडरबोर्ड के साथ खुले हैं।

मुख्य जानकारी

  • Stanford की टीम ने तीन वर्षों में मेडिकल AI बेंचमार्क बनाने के नतीजों का सारांश दिया।…
  • 5 ने एक बार में केवल 46% कार्य पूरे किए,जबकि HealthAdminBench पर Claude Opus 4.
  • 3% पूरे किए। MedHELM में 5 श्रेणियों के 121 नैदानिक कार्य शामिल हैं,और मूल्यांकन में नैदानिक…
  • विफलता मुख्य रूप से दस्तावेजों और प्रणालियों के बीच जानकारी पहुंचाते समय संदर्भ खोने से हुई। दोनों…

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
Stanford HAI News(网页)
श्रेणी
पेपर और शोध
AI स्कोर
67
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

संबंधित एंटिटी

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: Stanford HAI ने MedHELM, PhysicianBench और HealthAdminBench जारी किए, मेडिकल AI Agent की वास्तविक पूर्णता दर आधे से कम। 19 अक्टूबर 2026। https://new.nat6.net/hi/news/dla37so34wcgznigffx3j6qko/

सभी देखें →