HealthAdminBench：医疗 AI 行政工作流表现堪忧

斯坦福 HealthAdminBench 实测显示，Claude Opus 4.6 端到端仅完成 36.3% 的医疗行政工作流，GPT-5.4 单项子任务成功率达 82.8%，但完整流程完成度仍不足。该基准源自 MedHELM 对临床决策支持与行政工作流的发现，二者恰是医疗 AI 表现最弱的领域之一。