CODA多模态临床推理基础模型提出

2026年10月20日，arXiv Artificial Intelligence 刊出 Changshuo Liu 等作者的报道，提出 CODA——一种面向多模态临床推理的队列与漂移感知基础模型。该报道称，CODA 通过队列感知人群分层与漂移感知个体适配两种机制，将队列结构显式纳入建模流程：用强化学习发现具有临床意义的患者队列，并将个体相对队列原型的偏差建模为结构化漂移信号。在真实电子健康记录（EHR）基准上，报道称 CODA 在 closed-QA、open-QA 和报告生成等任务上均表现出一致有效性与较强泛化能力。目前该工作处于论文发布阶段，尚无后续跟进报道，也未披露模型开源、临床部署或外部独立验证等信息。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。