医疗AI评估新突破：MedBench v5引入动态过程导向与幻觉监测

当前医疗AI基准测试普遍存在过程不可见、原子技能评估缺失以及幻觉检测分离等问题。为此，研究团队在arXiv上发布了MedBench v5——一个重新设计的临床多模态模型评估框架，涵盖语言、视觉-语言及智能体系统。该基准实现了从静态问答到动态过程导向评估的范式转变。

MedBench v5的核心创新包括四大维度：首先，采用临床认知响应性（14个子维度）与医疗原子技能（4种智能体环境）的双维框架，覆盖63项具体任务；其次，引入三种可切换的信息流压力源（信息缺失、矛盾证据、证据延迟），支持因子化性能退化分析；第三，建立包含五个推理节点的动态过程审计协议，生成模型特有的失败指纹；第四，首次实现对幻觉传播的全流程监测，涵盖幻觉产生、传播、锚定及矛盾交互等阶段，能够捕捉传统方法难以发现的“沉默幻觉”。

在尖端模型上的实验表明，强大的整体任务性能并不能保证过程稳定性：压力源主要破坏模型的矛盾检测、诊断更新、幻觉传播和基于矛盾的自我修正能力，而最终证据基础可能仍保持表面稳定。这一发现凸显了传统评估指标的局限性。

MedBench v5为临床AI评估提供了统一的基础设施，支持能力画像、可控压力测试、过程审计和幻觉轨迹分析，有望推动医疗AI系统向更可靠、透明和可解释的方向发展。该研究已提交至arXiv预印本平台（编号：2606.24155v1）。