Santiago Valdarrama@svpino2026年11月21日 00:26这个新基准相当独特: 它评估智能体是否真正能在医院内部工作,并完成如今只有人类才能完成的任务。 这并不是在考回答医学问题。 该基准模拟真实世界的医院运营。智能体必须在系统中完成导航、做出决策、把工作做完,并且全程遵循正确的制度与流程。打开原帖#511482