TIR-EC工具集成强化学习框架用于急诊预测

2026年10月16日，arXiv Artificial Intelligence 刊出 Pengfei Hu 等作者的论文，提出 TIR-EC 工具集成强化学习框架，用于急诊到院后预测。该框架将电子健康记录（EHR）特征组暴露为大语言模型（LLM）可调用的工具，并以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，超过传统机器学习基线，并与规模大得多的前沿 LLM 相当。分析显示，该框架用更少工具调用选出更有用证据，数值组合也更有效。目前进展为论文发布，未提及后续临床验证或应用部署。

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。