ABRA：放射学应用的智能体基准

现有医疗智能体基准仅提供预选图像样本，而非需智能体导航的环境。本文提出 ABRA，一个放射学智能体基准，要求智能体通过 21 个函数调用工具（涵盖切片导航、窗宽窗位调整、序列选择、像素坐标标注及结构化报告）操作 OHIF 查看器与 Orthanc DICOM 服务器。该基准包含 655 个程序生成任务，分三个难度等级和八种类型。评估显示，当前模型在执行层面表现良好，但结果层面得分极低；而在提供模拟检测器的 oracle 变体中，结果得分显著提升，表明瓶颈在于感知而非工具编排。