Doctorina MedBench是一个全面的评估框架，旨在模拟真实的医患互动，以评估基于代理的医疗人工智能。与传统的医疗基准测试依赖于解决标准化测试问题不同，该方法建模了一个多步骤的临床对话。在这一过程中，医生或人工智能系统需要收集病史、分析附加材料（包括实验室报告、图像和医疗文件）、制定鉴别诊断并提供个性化建议。系统性能通过D.O.T.S.指标进行评估，该指标由四个组成部分构成：诊断、观察/...