热点事件持续更新
PhysicianBench 评测：医疗 AI 稳定性不足
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
斯坦福 HAI 通过 PhysicianBench 对医疗 AI 进行实测，结果指向其在临床任务上的稳定性不足。据 AGI Hunt 2026 年 10 月 28 日报道，GPT-5.5 在临床任务上的单次尝试完成率为 46.3%；如果要求连续三次运行都成功，完成率降至 28%。在未能执行临床动作的案例中，GPT-5.5 有 62%、Claude Opus 4.6 有 73% 属于已在病历中正确写下计划、却没有实际下达 EHR 医嘱，也就是“写对了计划但没落地执行”。该评测由此把问题从单次能力转向多次运行的一致性与临床动作的实际完成度。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 08:12
PhysicianBench 实测显示，GPT-5.5 单次通过率为 46.3%，连续三次均成功的比例降至 28%。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI Hunt斯坦福 HAI 实测：GPT-5.5 医疗任务单次通过率 46.3%，连续三次成功降至 28%
斯坦福 HAI 的 PhysicianBench 实测显示，GPT-5.5 在临床任务上单次尝试完成率为 46.3%，要求连续三次运行都成功时降至 28%。在未能执行临床动作的案例中，GPT-5.5 有 62%、Claude Opus 4.6 有 73% 属于已在病历中正确写下计划、却没有实际下达 EHR 医嘱。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。