arXiv · cs.AI· Shenqi Zhou (National University of Singapore, Zhejiang University), Qiran Zou (National University of Singapore), Wenhao Zhao (National University of Singapore), Zhenyu Liao (Amazon), Dianbo Liu (National University of Singapore)·· 1 天前
Auto-MD-bench 基准评测自主研究Agent在真实医疗任务中的表现
Auto-MD-bench: Evaluating Autoresearch Agents for Real-World Medical Tasks
arXiv:2610.25069v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shenqi Zhou (National University of Singapore, Zhejiang University), Qiran Zou (National University of Singapore), Wenhao Zhao (National University of Singapore), Zhenyu Liao (Amazon), Dianbo Liu (National University of Singapore)
研究任务与主要进展
研究团队推出 Auto-MD-bench，使用10个临床数据集中的15个真实医疗任务，评估 AIDE、AI Scientist v2、Codex 和 Autoresearch 四种自主研究Agent。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org