发布M4Bench临床EHR推导Agent基准

Hannes Ill 等开源了 M4Bench 基准，包含基于 MIMIC-IV 和 eICU 的 28 个临床衍生任务、15 个任务族，并附技能格式、评测代码与去标识化的单次运行证据，用于测试 AI 编码智能体能否复现电子健康记录衍生变量，以及临床医生审核的 agent skills 如何改变其结果。该工作已被 NeurIPS 2026 评测与数据集赛道接收。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。