MedHarnessBench：342个任务的医疗Agent评测基准发布

Rui Tang、Hongqiu Wang 等作者在 arXiv 发布论文，提出 Medical Harness Protocol，并据此构建 MedHarnessBench，用于从七个流程维度评估医疗 Agent 的执行质量。 基于论文摘要，该基准包含 342 个可执行任务，覆盖 FHIR/EHR 操作、医疗管理接口和多模态临床工具。论文称在超过 16,000 次受控任务执行中，MedHarness 在终端任务成功、中间子任务完成度和医疗流程质量上有广泛提升。代码与资源已在 GitHub 开放。

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。