TRIAGE：辩证 LLM 推理框架用于医疗时间序列风险预测
热点事件观察中
TRIAGE：辩证 LLM 推理框架用于医疗时间序列风险预测
1 篇报道1 个报道来源2 天前更新
先了解这件事
报道摘要
TRIAGE 通过让 LLM 对竞争性临床结果进行辩证推理，缓解了将分级风险压缩为过度自信预测的"风险极化"问题，使单一模型能同时输出临床依据和跨患者可比的 risk score。在五个 ISMTS 基准上，TRIAGE 相比竞争性 LLM 基线平均 AUPRC 提升 17.0%、校准误差降低 82.8%，并比最强 ISMTS 基线平均 AUPRC 高 3.5%。代码已开源。
摘自 arXiv：cs.LG
最新进展10月3日 12:00
TRIAGE：面向不规则采样医疗时间序列可解释风险预测的辩证 LLM 推理框架报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LGTRIAGE：面向不规则采样医疗时间序列可解释风险预测的辩证 LLM 推理框架
TRIAGE 通过让 LLM 对竞争性临床结果进行辩证推理，缓解了将分级风险压缩为过度自信预测的"风险极化"问题，使单一模型能同时输出临床依据和跨患者可比的 risk score。在五个 ISMTS 基准上，TRIAGE 相比竞争性 LLM 基线平均 AUPRC 提升 17.0%、校准误差降低 82.8%，并比最强 ISMTS 基线平均 AUPRC 高 3.5%。代码已开源。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 710月4日 01:00
- 近 24 小时变化
- -51%
02468
06:0012:0018:0010月5日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。