MedHarnessBench：面向医疗智能体评估的统一基准

研究者提出 Medical Harness Protocol 与 MedHarnessBench，用 342 个可执行任务、覆盖 FHIR/EHR 操作等场景，从七个医疗流程维度独立评估医疗智能体。在超过 16,000 次受控任务执行中，MedHarness 在终端任务成功率、中间子任务完成度和医疗流程质量上均有提升，并能揭示仅看终端结果无法发现的失败。