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。
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。
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。
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。
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。
9 条判据中有 3 条是扣分项,其中 2 条正向判据为 Critically Important。
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。
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:
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。
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.txt | txt | 7 万 字 | 114 KB |
| 文献-02.txt | txt | 3 万 字 | 57 KB |
| 文献-03.txt | txt | 4 万 字 | 63 KB |
| 文献-04.txt | txt | 9 万 字 | 130 KB |
| 文献-05.txt | txt | 4 万 字 | 61 KB |
| 文献-06.txt | txt | 6 万 字 | 106 KB |
| 文献-07.txt | txt | 15 万 字 | 209 KB |
| 文献-08.txt | txt | 2 万 字 | 42 KB |
| 文献-09.txt | txt | 23 万 字 | 330 KB |
| 文献-10.txt | txt | 59 万 字 | 583 KB |
| 文献-11.txt | txt | 6 万 字 | 152 KB |
| 文献-12.txt | txt | 15 万 字 | 213 KB |
| 文献-13.txt | txt | 4 万 字 | 62 KB |
| 文献-14.txt | txt | 3 万 字 | 57 KB |
| 文献-15.txt | txt | 9 万 字 | 132 KB |
| 文献-16.txt | txt | 6 万 字 | 106 KB |
| 文献-17.txt | txt | 9 万 字 | 150 KB |
| 文献-18.txt | txt | 2 万 字 | 42 KB |
| 文献-19.txt | txt | 23 万 字 | 333 KB |
| 文献-20.txt | txt | 4 万 字 | 66 KB |
| 文献-21.txt | txt | 72 万 字 | 709 KB |
| 文献-22.txt | txt | 13 万 字 | 129 KB |
| 文献-23.txt | txt | 23 万 字 | 330 KB |
| 文献-24.txt | txt | 75 万 字 | 738 KB |
| 文献-25.txt | txt | 6 万 字 | 152 KB |
判据全文、权重与参考答案随完整数据包提供。
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 CLI | 16 | 1.28M | — | 1m 47s | 完成作答 |
| 任务 ID | MED-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 |
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。