ClinOpsBench 发布：15 个 AI agent 在模拟临床试验中监督 4 个月

Panoptive 团队发布 ClinOpsBench: Trial Oversight v1.0，该基准基于真实客户部署构建，让 15 个 AI agent 在专家策划的模拟临床试验中执行为期 4 个月的监督任务。结果显示最强前沿模型能发现大多数关键问题，但没有一个达到完整的监督标准。基准含 15 个模型、45 次运行，已公开结果、原始证据与代表性轨迹，并支持申请私域 held-out 环境。