ClinEnv：面向智能体的交互式多阶段长程电子病历环境

临床实践并非从枚举选项中选择答案，而是医生在不确定性下逐步收集异构信息并做出连续且不可逆的决策。现有静态基准无法有效评估此过程。本文提出 ClinEnv，一个基于“纵向住院模拟”范式的交互式基准，将真实住院病例构建为有序决策阶段序列。在每个阶段，模型必须主动查询四个专用智能体，随后确定用药、程序及诊断。该基准不仅评估决策结果，还量化信息收集过程。实验显示，最强模型决策 F1 仅 0.31，且结果质量与过程质量严重脱节，难点集中于管理决策及后期阶段。