#SurgAgentGym

如果你在做医疗多模态应用，这篇论文把现有 MLLM 在手术场景的短板摸得很清楚：感知任务靠工具调用能补上，但流程评估和细粒度定位还差很远。两套评测框架可以直接拿来当自家模型的压力测试。