Стэнфордский HAI выпустил MedHELM, PhysicianBench и HealthAdminBench: медицинские ИИ-агенты выполняют менее половины задач
Оригинальный заголовок:Measuring What Medical AI Can Actually Do
ИИ-резюме
Команда Стэнфорда подвела итоги трёх лет создания бенчмарков для медицинского ИИ: на PhysicianBench лучшая модель GPT-5.5 выполнила лишь 46% задач за один проход, на HealthAdminBench Claude Opus 4.6 — 36,3%. MedHELM охватывает 121 клиническую задачу в 5 категориях; оценка показала самые низкие результаты в поддержке клинических решений и административных процессах; сбои в основном связаны с потерей контекста при передаче информации между документами и системами; оба бенчмарка открыты с синтетическими данными, публичным кодом и таблицей лидеров.
Ключевые моменты
- Команда Стэнфорда подвела итоги трёх лет создания бенчмарков для медицинского ИИ: на…
- 5 выполнила лишь 46% задач за один проход,на HealthAdminBench Claude Opus 4.
- MedHELM охватывает 121 клиническую задачу в 5 категориях
- оценка показала самые низкие результаты в поддержке клинических решений и административных процессах
- сбои в основном связаны с потерей контекста при передаче информации между документами и системами
Кратко
- Опубликовано
- Обновлено
- Источник
- Stanford HAI News(网页)
- Категория
- Статьи и исследования
- Оценка ИИ
- 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。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Стэнфордский HAI выпустил MedHELM, PhysicianBench и HealthAdminBench: медицинские ИИ-агенты выполняют менее половины задач. 19 октября 2026. https://new.nat6.net/ru/news/dla37so34wcgznigffx3j6qko/