Kando Data
中EN联系我们

房颤患者艾多沙班剂量核对

MED-AF-EDOXABAN-DOSE-002 · 心内科病程记录 · 非瓣膜病房颤抗凝

作为心内科实习医生,在 25 篇没有标题的文献全文里找到适用的剂量条款,结合肾功能、体重和合用药物,写出当前每日剂量及逐项依据。

临床用药抗凝文献检索逐项论证
2525 份材料
402 万材料字符数
9条评分判据
20最长参考轨迹 Agent 回合
1.28M单条轨迹累计 prompt tokens
01

数据特点

25 篇匿名文献,402 万字

文件名只有“文献-01”到“文献-25”,不标题目。模型必须先读懂每篇是什么,才能找到真正适用的剂量条款。

不能只给结论

要写明用哪个肾功能指标分档、其他减量条件是否达到,还要逐个解释材料中出现过的其他剂量为什么不采用。

干扰信息贴近真实病历

冠脉支架史、已停用的抗血小板药物、两种肾功能指标同时给出——每一条都可能把模型引向错误的剂量档位。

扣分项直指临床风险

9 条判据中有 3 条是扣分项,其中 2 条正向判据为 Critically Important。

02

题面节选

以下为 Agent 实际收到的题面节选(原文照录),用于展示任务设定与约束。

instruction.md · 1,303 chars

业务场景与任务说明

你是心内科实习医生。交班日期是 2026-09-15。一位房颤患者的艾多沙班剂量没有写清。请核对下面的交班材料和文献,补一条病程记录。记录里写上目前的每日剂量,以及这个剂量的依据。

依据部分要逐项写清楚,不能只给结论:

  • 用哪个肾功能指标分档、落在材料里的哪一条减量范围;
  • 材料给出的其他减量条件(体重、合用药物)本例是否达到,逐条写明达到或未达到;
  • 材料里出现过的其他每日剂量,逐个写明本例为什么不采用。

交班材料

诊断:非瓣膜病房颤。出生日期 1962-03-08。2025-08-02 超声:未见机械瓣,二尖瓣轻度反流,无中重度狭窄。2024-11-03 冠脉放入一枚支架。阿司匹林和氯吡格雷已于 2025-06-01 停。没有出血记录。

目前用药:艾多沙班,剂量未填写。同时在用美托洛尔缓释片 47.5 mg,每日 1 次;阿托伐他汀钙片 20 mg,每晚 1 次。

2026-09-14 测量:体重 70 kg。肌酐清除率 22 ml/min。估算肾小球滤过率 19 ml/min/1.73m²。未接受透析。

NOTE节选自题面,已省略交付物要求。

03

附件清单

作答容器内可见的全部材料,统计由题包自动生成。原始文件随完整样例包提供。

文件类型规模大小
文献-01.txttxt7 万 字114 KB
文献-02.txttxt3 万 字57 KB
文献-03.txttxt4 万 字63 KB
文献-04.txttxt9 万 字130 KB
文献-05.txttxt4 万 字61 KB
文献-06.txttxt6 万 字106 KB
文献-07.txttxt15 万 字209 KB
文献-08.txttxt2 万 字42 KB
文献-09.txttxt23 万 字330 KB
文献-10.txttxt59 万 字583 KB
文献-11.txttxt6 万 字152 KB
文献-12.txttxt15 万 字213 KB
文献-13.txttxt4 万 字62 KB
文献-14.txttxt3 万 字57 KB
文献-15.txttxt9 万 字132 KB
文献-16.txttxt6 万 字106 KB
文献-17.txttxt9 万 字150 KB
文献-18.txttxt2 万 字42 KB
文献-19.txttxt23 万 字333 KB
文献-20.txttxt4 万 字66 KB
文献-21.txttxt72 万 字709 KB
文献-22.txttxt13 万 字129 KB
文献-23.txttxt23 万 字330 KB
文献-24.txttxt75 万 字738 KB
文献-25.txttxt6 万 字152 KB
04

评分设计

9条独立评分判据
6 条得分项3 条扣分项

判据全文、权重与参考答案随完整数据包提供。

9 条二元判据,覆盖结论正确性、数值准确性、事实忠实性与专业规范。

  • 9 条判据:6 条正向得分项,3 条扣分项(negate)
  • 每条判据由独立的 Agent judge 逐条判定(individual 模式),可复现、可审计
  • 判分凭据只注入 verifier 环境,作答容器看不到任何评分通道
  • 判据全文与参考答案随完整数据包提供
结论正确性4
专业规范2
指令遵循1
数值与计算准确性1
事实忠实性1
05

模型实测

前沿模型在真实 Agent 框架中的作答轨迹统计。一个回合即一次模型调用;上下文曲线展示长程任务中状态如何持续累积。

模型Agent 回合工具调用累计 prompt tokens峰值上下文作答耗时结果
GPT-5.6-sol (Codex CLI)Codex CLI20161.28M—1m 47s完成作答
06

环境规格

TASK SPECIFICATION
任务 IDMED-AF-EDOXABAN-DOSE-002
任务格式Harbor task.toml · schema 1.4
题包版本1.0.1
Agent 时限20 小时
Verifier 时限5 小时
作答容器2 vCPU · 8 GB 内存 · 30 GB 存储
工具集filesystem · shell
判分隔离verifier 与作答分阶段运行评分凭据只注入 verifier,作答侧不可见
题面长度1,303 字符
文献来源医学文献库解析文本,文件名不含题目
参考解oracle reward 1.000
Contact

想在自己的平台上跑这道题?

留下联系方式,我们会提供该题的完整样例包(题面、附件、verifier 与参考轨迹),并介绍同类题目的规模与定制方式。

  • 完整题包与 verifier
  • 同子类更多题目
  • 接入与复测支持

关于MED-AF-EDOXABAN-DOSE-002 · 房颤患者艾多沙班剂量核对

信息仅用于本次业务沟通。