论文Agent 与开发者14:03MedPhysBench 基准发布：评估大模型医学物理计算与错误检查能力医学物理计算出新基准了，1200 道题里 Claude 系列算得准但查错翻车，做医疗 AI 的可以看看自己模型的真实水平。#MedPhysBench#Claude Sonnet 5.5#Claude Opus 5.5#医学物理aarXiv cs.AI@Omar Nusrat原文稍后读已读值得跟进有用关注 MedPhysBench