总体得分良好掩盖了放疗计划智能体的具体决策失败。
资讯摘要
论文提出 OpenGray 基准，在 OpenKBP-Opt 头颈数据集上加入有已知正确答案的计划任务，包括两个与剂量目标矛盾、被证明不可行的任务，以及一个满足全部硬性目标的可行对照。作者在 30 名患者上评估了从规则脚本到完整 LLM 智能体的四套系统，并读取 SAGE 临床智能体 39 次立体定向放疗运行的日志。结果显示，总体得分良好掩盖了具体决策失败：系统对重叠矛盾的升级率偏低，部分可行计划未达硬性目标。
要点速读
- OpenGray 在 OpenKBP-Opt 头颈数据集上加入有已知答案的任务，含两个被证明与剂量目标矛盾的不可行任务和一个可行对照。
- 四套系统在 30 名患者上评估；使用 Terra 时，LLM 审查加脚本与完整智能体的决策准确率分别为 95.4% 和 92.1%，但对重叠矛盾的升级率仅 50% 和 25%。
- 四套系统都提交了全部可行对照，但其中 24% 的计划未达到存储计划已满足的硬性目标；SAGE 日志中有一例目标每次尝试均失败，智能体虽识别出问题却无停止动作。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。