PhysicianBench 揭示医疗 AI 写下病历却不下医嘱的失败模式

斯坦福 HAI 的 PhysicianBench 显示，GPT-5.5 在临床任务上的单次尝试完成率为 46.3%，连续三次运行均成功的比例降至 28%。在未能执行临床动作的案例中，GPT-5.5 和 Claude Opus 4.6 分别有 62% 和 73% 是正确写下病历计划但未实际下达 EHR 医嘱。