CHI-Bench发布：最强智能体仅完成28%医疗长流程任务
热点事件持续更新
CHI-Bench发布：最强智能体仅完成28%医疗长流程任务
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
CHI-Bench研究团队发布CHI-Bench基准，测试AI智能体处理长周期医疗工作流的能力，结果显示最强智能体仅完成28.0%的任务，严格pass^3下无一超过20%。 该基准覆盖供应商预授权、付款方利用管理和照护管理三类医疗工作流，配备含20个医疗应用、87个MCP工具的高保真模拟器及1,290多份管理式医疗运营手册。在30种智能体框架与模型配置中，单会话执行全部任务时性能跌至3.8%。
AI 根据报道生成 · 1 小时前更新
最新进展10月31日 12:00
CHI-Bench 基准测试显示最强智能体仅完成 28.0% 的医疗长流程任务报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AICHI-Bench 基准测试显示最强智能体仅完成 28.0% 的医疗长流程任务
研究者发布 CHI-Bench，一个覆盖供应商预授权、付款方利用管理和照护管理三类长周期医疗工作流的基准，配备 20 个医疗应用、87 个 MCP 工具的高保真模拟器和 1,290 多份管理式医疗运营手册。在 30 种智能体框架与模型配置中，最好的智能体只完成 28.0% 的任务，严格 pass^3 下无一超过 20%，单会话执行全部任务时性能跌至 3.8%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。