为什么重要
与 MedQA 等考试型医学基准不同，ClinicalBench 模拟真实临床工作流——从病史采集到诊断到治疗方案制定。它覆盖 24 个科室，反映实际医疗场景的复杂性。
构建方式
- 基于真实临床病例（脱敏）
- 按科室和工作流环节分类
- 混合选择题和开放式任务
任务示例
病例：58 岁男性，胸痛 3 小时，心电图 ST 段抬高… 任务：给出诊断、紧急处理方案、后续治疗建议
关键发现
- LLM 在常见病诊断上接近住院医水平
- 罕见病和多科室联合诊断仍有明显差距
- 药物推荐的安全性需要严格把关
关联基准
不足与展望
- 主要基于中国医疗体系
- 开放式任务评测标准仍需完善
- 但临床场景评测是未来趋势