Auto-MD-bench：评测医疗自动研究Agent的15任务基准
热点事件观察中
Auto-MD-bench：评测医疗自动研究Agent的15任务基准
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
新加坡国立大学Shenqi Zhou、Qiran Zou等研究者推出Auto-MD-bench基准，用来自10个临床数据集的15个真实医疗任务，评测AIDE、AI Scientist v2、Codex和Autoresearch四种自主研究Agent。任务涵盖生存分析、分类和序列预测，并有跨队列、医院和时间的外部验证。 评测结果显示，最强的Agent能取得有竞争力的主指标分数，但其预测风险的校准程度不如简单基线模型，作者称这可能导致严重的医疗事故。
AI 根据报道生成 · 10 小时前更新
最新进展10月20日 12:00
Auto-MD-bench 基准评测自主研究Agent在真实医疗任务中的表现报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIAuto-MD-bench 基准评测自主研究Agent在真实医疗任务中的表现
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。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。