医疗 AI agent 输出如何验证？开发者征求单元测试与 LLM 评审之外的方案

开发者正为开源验证层 Orinyx 征求医疗 AI agent 的测试方案，指出技术执行成功不代表输出正确。难捕捉的失败包括回复表面有效但证据不支持结论、系统间信息映射后语义改变、工作流完成却遗漏关键约束，以及两种评测方法对同一输出判断相左。Orinyx 以 MCP 形式提供，先用合成数据聚焦医疗 AI 工作流，周四发布 beta 并招募早期测试者。