斯坦福 HAI 实测显示最佳医疗 AI Agent 真实任务完成率不到一半

斯坦福 HAI 发布两个新 benchmark，用真实临床与行政工作测试医疗 AI Agent。测试显示，即使医疗 AI 能在执业资格考试中取得高分，最佳 Agent 在真实任务上的完成率仍不到一半。两项评测揭示了考试能力与实际工作能力之间的落差。