# PhysicianBench临床智能体基准

医疗AI的评测正从答题转向在真实工作环境里动手。此前执照考试接近满分，却无法说明能否跨病历、文档与软件系统完成多步任务。斯坦福团队用电子病历沙箱和模拟行政门户分别测试临床与行政流程，最好的智能体单次完成率分别为46%和36.3%，失败多因信息在步骤间丢失。

医疗AI的评测正从答题转向在真实工作环境里动手。此前执照考试接近满分，却无法说明能否跨病历、文档与软件系统完成多步任务。斯坦福团队用电子病历沙箱和模拟行政门户分别测试临床与行政流程，最好的智能体单次完成率分别为46%和36.3%，失败多因信息在步骤间丢失。