基准
TrialPD-Bench
面向临床试验方案数字化任务的基准测试集，由专家标注，包含150份公开方案PDF，覆盖四类结构化抽取任务，用于评估编码智能体在长文档转化中的准确性与证据召回率。
时间轴 (近 90 天)
10月14日
研究者构建了TrialPD-Bench，一个由专家标注、包含150份公开临床试验方案PDF、覆盖四类任务的基准测试集。
待验证50%
10月14日
TrialPD-Bench的评估范围不限于最终答案正确性，还包括智能体轨迹的证据召回率、智能体行为模式和成本。
待验证50%