MedHarnessBench医疗智能体评测基准发布

2026年10月14日，研究者Rui Tang、Hongqiu Wang在arXiv Artificial Intelligence发布医疗智能体评测基准MedHarnessBench。据该报道，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。报道称，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。报道同时称代码与资源可在其提供的链接获取。该事件目前仅此一篇主报道，尚无跟进报道，任务数量、执行次数等具体数字均来自该报道，未获其他来源印证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。