行业与实践 · 研究与基准测试

研究与基准测试/2026-11-02/18 分钟

MedHarnessBench：医疗智能体的统一评测基准

342 个可执行任务上，终态成功说不清失败来自模型还是运行时。MedHarness 把医疗智能体执行拆成七个过程维度，在超过 16,000 次运行里分开看照护行动、证据对齐和闭环核验。