כתבה
arXiv cs.AI ·
ActiveMedAgent: רכיב יעיל בלמידת נתיב עבור רישום תזוזתי רב-תפקידי לאבחון רפואי
ActiveMedAgent: Cost-Aware Trajectory Learning for Multimodal Medical Diagnosis
ActiveMedAgent הוא רכיב שמביא לוגיקת רצף יעילה ל-AI רב-תפקידי רפואי. הוא מגדיר נתיבי רכיב ומלמד כיצד לבחור באופן יעיל את המידע שיש לאסוף. ActiveMedAgent נבחן ב-3 מבחנים והוכיח יעילות על פני רכיבי רכיב אחרים.
תקציר מקורי באנגליתarXiv:2610.11140v1 Announce Type: cross Abstract: Clinical diagnosis is inherently sequential: clinicians escalate from cheap to costly tests only when additional evidence is expected to resolve diagnostic uncertainty. We present ActiveMedAgent, a framework that brings this cost-aware sequential logic to multimodal medical AI. Given a frozen, API-accessed vision-language model, ActiveMedAgent tracks probability distributions over candidate diagnoses and scores each acquisition by its per-step diagnostic utility minus cost. A lightweight MLP controller is then trained offline on these scored trajectories, learning when to request additional evidence and when to commit. Across three commonly used benchmarks, trajectory-based policy learning consistently outperforms both unguided acquisition
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית