BabaBench 基准发布：前沿模型尚难胜任真实医疗协调工作

医疗协调公司 Baba 发布 BabaBench，衡量前沿模型在真实医疗协调任务上的表现，初步结论是 AI 单独尚无法替代人类护理协调员。基准场景包括帮一位说西班牙语糖尿病女性完成 Medicaid 申请、找到安全住房，并劝她选 12oz 而非 16oz 含糖饮料；合成世界由 Baba 内部数百名医生、治疗师、护士和社会工作者标注构建。