НОВОСТЬ · RESEARCH · #149
Asclepius: адаптивная оболочка для долговременных клинических агентов на основе LLM
В статье на arXiv исследуются ошибки исполнения LLM-агентов в долгих сценариях в симуляторе клинической среды (CES) и выделяются три взаимосвязанных режима сбоев: дрейф соблюдения инструкций, неполнота лечения и разрыв по своевременности в зависимости от тяжести. Авторы предлагают Asclepius — каркас с самообновляемой «операционной инструкцией», внешней библиотекой клинических навыков и тремя субагентами; на отложенных батчах он улучшает корректность критических действий на 22% (p = 0.024), а на полном наборе — до 25% по критическим действиям и 13% по своевременности, при сохранении точности диагноза.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье на arXiv исследуются ошибки исполнения LLM-агентов в долгих сценариях в симуляторе клинической среды (CES) и выделяются три взаимосвязанных режима сбоев: дрейф соблюдения инструкций, неполнота лечения и разрыв по своевременности в зависимости от тяжести.
- Авторы предлагают Asclepius — каркас с самообновляемой «операционной инструкцией», внешней библиотекой клинических навыков и тремя субагентами; на отложенных батчах он улучшает корректность критических действий на 22% (p = 0.024), а на полном наборе — до 25% по критическим действиям и 13% по своевременности, при сохранении точности диагноза.
- Решает практическую проблему безопасности и исполнения LLM-агентов в длительных клинических сценариях и демонстрирует измеримые улучшения в корректности критических действий и своевременности.
ПОЧЕМУ ЭТО ВАЖНО
Решает практическую проблему безопасности и исполнения LLM-агентов в длительных клинических сценариях и демонстрирует измеримые улучшения в корректности критических действий и своевременности.