医疗 agent 如何验收：药剂师质疑应看系统记录还是 agent 自述

一位在读药剂师在 Reddit 发起医疗场景 AI agent 验收讨论，质疑 agent 声称完成药物相互作用标记及联系开方医生后，应以系统记录还是 agent 自述为准。其引用的论文 arXiv 2605.10448 显示，某零售 agent benchmark 的 77% 通过率在仅统计有系统记录佐证的运行后降至约 71%；讨论还关注隐藏测试用例、数据与评分、专家用例及自建或外部测试的选择。