CodeClinic：评估临床推理代理的编码技能自动化

基于大语言模型的临床推理代理旨在自动化重症监护监测等任务。现有系统依赖人工策划的工具库，维护成本高且零样本代码生成效率低。本文提出 CodeClinic 基准，基于 MIMIC-IV 数据集，评估代理合成与组合可复用临床技能的能力。该基准包含纵向 ICU 监控和组合式信息检索两项任务。此外，作者提出离线自动形式化流程，将自然语言指南转化为经迭代优化的可复用 Python 技能库。实验表明，相比零样本生成，该方法显著提升了 consistency 并减少了 40% 的 token 消耗。