arXiv Artificial Intelligence· Pengfei Hu, Chenwei Wu, Qiao Jin, Jun Deng, Zhiyong Lu, Liyue Shen, Yue Ning·· 2 小时前AI 评分24
TIR-EC：用工具调用强化学习提升急诊到院后预测
Incentivizing Tool-Use Reinforcement Learning for Post-Arrival Emergency Care Prediction
AI 导读
TIR-EC 是一个工具集成强化学习框架，将 EHR 特征组暴露为 LLM 可调用的工具，并用梯度提升树教师模型提供信息性工具参考和分级风险目标，同时通过反向课程把临床技能蒸馏进模型权重。在三个临床预测任务上，其 4B 智能体取得所有对比模型中最高的 macro F1，超过传统 ML 基线，并与规模大得多的前沿 LLM 相当。分析显示它用更少工具调用选出更有用证据，数值组合也更有效。
来源：arXiv Artificial Intelligence · arxiv.org