# BABA-Bench می‌سنجد عامل‌های هوش مصنوعی قوانین را رعایت می‌کنند یا نه

> پژوهشگران 14 مدل هوش مصنوعی را در سناریوهای حمایت از حقوق بیماران ارزیابی کردند. بسیاری به نتیجه درست رسیدند، اما رویه‌های الزامی، مانند گرفتن اجازه، را رعایت نکردند.

Oossa · 2026-11-02 · https://oossa.com/fa/baba-bench-tests-whether-care-agents-follow-the-rules

پژوهشگران BABA-Bench را معرفی کردند؛ بنچمارکی متشکل از 47 سناریوی تعاملی حمایت از حقوق بیماران که بر پایه پرونده‌های بی‌نام‌شده و بررسی‌شده از سوی حامیان متخصص ساخته شده است. عامل‌ها باید اطلاعات را به دست بیاورند و کارها را با نهادهایی مانند شرکت‌های بیمه، درمانگاه‌ها و داروخانه‌ها هماهنگ کنند؛ در همین حال، بنچمارک هر اقدام را از نظر داشتن اجازه، شواهد و رعایت ممنوعیت‌ها بررسی می‌کند.

در مجموع 1,974 اجرا با 14 مدل، از 921 اجرایی که به همه نتایج لازم رسیدند، 254 اجرا دست‌کم یکی از بررسی‌های رویه‌ای را رد کردند. Claude Opus 5 در 81.6% از اجراهایش به همه نتایج لازم رسید، اما فقط در 52.5% همه بررسی‌ها را با موفقیت گذراند. ارائه یک مسیر تأییدشده به دو مدل، نرخ موفقیتشان را به‌طور چشمگیری بالا برد؛ موضوعی که نشان می‌دهد پیدا کردن یک مسیر معتبر دشوارتر از پیمودن آن بوده است.

## حقایق

- BABA-Bench شامل 47 محیط تعاملی است که بر پایه پرونده‌های بی‌نام‌شده حمایت از حقوق بیماران ساخته شده‌اند.
- از میان 921 اجرایی که به همه نتایج لازم رسیدند، 254 اجرا یکی از بررسی‌های رویه‌ای را رد کردند.

## چرا مهم است

برای تیم‌هایی که ابزارهای هوش مصنوعیِ کمک به بیماران برای پیگیری امور درمانی می‌سازند، نتایج نشان می‌دهد رسیدن به نتیجه درست کافی نیست: عامل باید به مجوزها و دیگر قواعد رویه‌ای هم پایبند باشد. در اینجا مشخص نشده است که آیا نتایج این بنچمارک عملکرد در محیط‌های واقعی درمان را پیش‌بینی می‌کنند یا نه.

## منابع و ارجاع‌ها

1. [BABA-Bench: Evaluating Long-Horizon Patient-Advocacy Agents](https://arxiv.org/abs/2610.41076) – arXiv, 2026-11-02

آخرین به‌روزرسانی: 2026-11-02