TL;DR · 一句话结论

斯坦福 HAI 发布 MedHELM、PhysicianBench 与 HealthAdminBench，测出医疗 AI Agent 实际完成率不足一半。这是一条「Agent自动化（Agents & Automation）」类 AI 信号，小雯机会评分 9.5/10，风险评分 3.6/10，数据源为 AI HOT / Stanford HAI News（网页）。

• 这是什么：斯坦福团队总结三年构建医疗 AI 基准的成果，PhysicianBench 上最佳模型 GPT-5.5 单次仅完成 46% 任务，HealthAdminBench 上 Claude Opus 4.6 完成 36.3%。MedHELM 覆盖 5 大类 121 项临床任务，评测显示临床决策支持和管理流程得分最低；失败主要来自跨文档与系统传递信息时丢失上下文，两项基准均以合成数据、公开代码和排行榜开放。
• 为什么值得关注：Agent 的机会不在演示效果，而在权限、日志、异常处理和可交付 SOP。这条值得关注：斯坦福 HAI 发布 MedHELM、PhysicianBench 与 HealthAdminBench，测出医疗 AI Agent 实际完成率不足一半
• 归类标签：Agents & Automation、Claude、Agent
• 首次收录：2026-10-20，累计出现 1 次