20 款前沿模型在 320 床模拟医院测试 48 项任务最优仅 14 项完全通过

这项 Hospital-bench 基准测试用一个 320 床位的模拟医院环境,一次性测评 20 款前沿 AI 模型,一共设置 48 项医院全流程运营任