斯坦福HAI发布医疗AI基准，最佳Agent完成率不足50%

2026年10月19日，斯坦福大学人类中心人工智能研究所（HAI）正式发布了三项针对医疗领域的人工智能基准测试：MedHELM、PhysicianBench 和 HealthAdminBench。这些基准旨在全面评估 AI Agent 在临床诊疗及行政任务中的实际表现。根据最新发布的测试结果，当前表现最佳的 AI Agent 在上述基准中展现出的端到端任务完成率均低于 50%。这一数据揭示了现有医疗 AI 技术在处理复杂、多步骤的实际工作流时仍存在显著的能力瓶颈，表明其在完全替代或高效辅助人类医生完成全流程任务方面尚处于早期发展阶段，距离大规模可靠应用仍有较大差距。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。