TRACER：医院患者护理多模态框架

2026年10月16日，arXiv Computer Vision 刊出 Zane Durante 等作者的论文，提出 TRACER——一个免训练的多模态框架。据该报道，TRACER 从视频构建分钟级动作记录，并与临床记录结合生成小时级报告，再由 LLM 智能体查询这一层级结构、检查视频并检索临床记录。报道称，在 397 个标注片段上，其动作检测准确率达 84.8%；在 144 道临床多选题上，QA 准确率为 61.0%，高于同一骨干网络下最强基线的 49.3%。作者表示，结果表明将连续视频与临床记录结合，可在不基于受保护健康数据训练的前提下，支持跨时间及跨患者群体理解患者行为。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。