HealthAdminBench：医疗AI行政工作流完成率低

该评测源自 MedHELM 的发现：临床决策支持与行政工作流是医疗 AI 表现最弱的领域之一，却恰恰是医疗系统最需要 AI 帮助的地方。2026 年 10 月 28 日，AGI Hunt 报道了斯坦福 HealthAdminBench 的实测结果：Claude Opus 4.6 在医疗行政工作流上的端到端完成率仅 36.3%；GPT-5.4 在单项子任务上的成功率达到 82.8%，但完整流程的完成度仍不足。这说明模型能处理零散环节，却难以独立完成整套行政流程。目前尚无其他机构复现或给出改进方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。