MedHarnessBench：面向医疗智能体评估的统一基准

研究者提出 Medical Harness Protocol 与 MedHarnessBench，用七个医疗流程维度独立评估智能体，覆盖 FHIR/EHR 操作、医疗管理接口和多模态临床工具共 342 个可执行任务。在超过 16,000 次受控任务执行中，MedHarness 在终端任务成功率、中间子任务完成度和医疗流程质量上均有提升，并通过单故障扰动验证了七维评估的敏感性与区分度。