MedResearchBench: A Multi-Domain Benchmark for Evaluating AI Research Agents on Clinical Medical Research
MedResearchBench es el primer benchmark diseñado específicamente para evaluar la capacidad de los agentes de IA para realizar investigación clínica médica de calidad publicable, abordando desafíos únicos como el diseño de encuestas, el control de variables de confusión y el cumplimiento de estándares de reporte mediante 16 tareas en siete dominios clínicos basadas en datos públicos y artículos de referencia.