Stanford HAI phát hành MedHELM, PhysicianBench và HealthAdminBench, đo được tỷ lệ hoàn thành thực tế của AI Agent y tế dưới một nửa
Tiêu đề gốc:Measuring What Medical AI Can Actually Do
Tóm tắt AI
Nhóm Stanford tổng kết thành quả ba năm xây dựng benchmark AI y tế, trên PhysicianBench mô hình tốt nhất GPT-5.5 chỉ hoàn thành 46% nhiệm vụ trong một lần, trên HealthAdminBench Claude Opus 4.6 hoàn thành 36,3%. MedHELM bao phủ 5 nhóm lớn với 121 nhiệm vụ lâm sàng, đánh giá cho thấy hỗ trợ quyết định lâm sàng và quy trình quản lý có điểm thấp nhất; thất bại chủ yếu đến từ việc mất ngữ cảnh khi truyền thông tin qua tài liệu và hệ thống, cả hai benchmark đều mở với dữ liệu tổng hợp, mã công khai và bảng xếp hạng.
Thông tin chính
- Nhóm Stanford tổng kết thành quả ba năm xây dựng benchmark AI y tế,trên PhysicianBench mô hình tốt…
- 5 chỉ hoàn thành 46% nhiệm vụ trong một lần,trên HealthAdminBench Claude Opus 4.
- 6 hoàn thành 36,3%.
- MedHELM bao phủ 5 nhóm lớn với 121 nhiệm vụ lâm sàng,đánh giá cho thấy hỗ trợ quyết định lâm sàng…
- thất bại chủ yếu đến từ việc mất ngữ cảnh khi truyền thông tin qua tài liệu và hệ thống,cả hai…
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Nguồn
- Stanford HAI News(网页)
- Danh mục
- Bài báo & nghiên cứu
- Điểm AI
- 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。
Thực thể liên quan
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: Stanford HAI phát hành MedHELM, PhysicianBench và HealthAdminBench, đo được tỷ lệ hoàn thành thực tế của AI Agent y tế dưới một nửa. 19 tháng 10 2026. https://new.nat6.net/vi/news/dla37so34wcgznigffx3j6qko/