**CHI-Bench：AI智能体能否自动化端到端、长周期、策略密集的医疗工作流？**

_CHI-Bench: Can AI Agents Automate End-to-End, Long-Horizon, Policy-Rich Healthcare Workflows?_

> 本文介绍了CHI-Bench，一个用于评估AI智能体在长周期、策略密集的医疗工作流中自动化能力的基准测试。该基准涵盖了医疗授权、利用率管理和护理管理三个领域，要求智能体在模拟的20个医疗应用环境中，通过工具调用和撰写文件来完成复杂任务，并受1290多份操作手册指导。实验结果显示，即使在最佳配置下，智能体也仅能解决28%的任务，表现最好的也未超过严格标准的20%。研究提出，类似的差距可能在其他策略密集、角色复合且不可逆的企业应用领域中出现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.16679)