以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Current medical benchmarks typically break down clinical competence into isolated factual questions, single-image tasks, or static case vignettes. These tests score individual answers, but reveal less about whether a model can integrate subspecialty knowledge with multimodal evidence and track a patient's condition thr
阅读原文 · Pengkai Wang, Wei-Wei Zhang, Yan Li, Min Tang, Zhitian Hou, Zeyu Liu, Guanghao Zhu, Yuanyi Wang, Yanggan Gu, Wenjun Wang, Minheng Ni, Congkai Xie, Zhijie Sang, Jianmin Wu, Ying Sun, Hongxia Yang
向阳乔木 · opencode-go/deepseek-v4.1-flash
医疗 AI 评测这两年有个明显的尴尬：模型在 USMLE 风格的题上分数越来越高，但真把它放进一个需要连续跟踪病人的场景里，它能不能把影像、指南、病程变化串起来，没人说得清。这篇 NPCBench 就是冲这个缺口来的，选了鼻咽癌（NPC）作为切入口，把评测从“答对一道题”推到“跟完一条诊疗路径”。 它值得看的地方在于评测设计的方向，而不是某个榜单数字。摘要里...