Amazon 发布 PatientAgentBench 评估面向患者的医疗 AI 智能体

Amazon 发布 PatientAgentBench，一个可复现、经临床医生审核的医疗 AI 智能体评估基准，框架已在 GitHub 开源。基准动态生成合成病历与场景，用 100 多项临床审核准则按临床安全、分诊质量等六个维度由 LLM 陪审团评分。实验发现，即使前沿模型也难以达标，失败集中在遗漏危机资源和编造临床信息，常规行政请求比明显急症更易暴露风险。