arXiv · cs.CL· Ziqing Wang·· 22 天前AI 评分50
MedicalHarness：LLM 与 Agent 框架在医疗任务上的受控评测
MedicalHarness: A Controlled Evaluation of LLMs and Agent Harnesses on Medical Tasks
来源与原文
arXiv · cs.CL
作者：Ziqing Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.05778v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 MedicalHarness，通过 MedicalHarnessBench 的 107 个任务（覆盖四个领域）对五个开源权重模型与五种 agent 框架进行受控评测，并用 MH-Lab 逐一关闭上下文管理、规划或工具暴露来分析单一机制的作用。结果显示框架及其与模型的交互约占结果方差的四分之一，且没有单一框架在所有模型和任务上最优。代码与数据已公开。
来源：arXiv · cs.CL · arxiv.org