English(EN) Personalized State-Transition-Aware Memory for Clinical Agents

新的记忆框架STAM增强了LLM在临床数据方面的代理能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-01 04:00

研究人员开发了STAM，一个专为在临床环境中运行的大型语言模型代理设计的新型记忆框架。该框架通过区分当前信息和已取代信息，解决了管理患者状态转换和保留历史上下文的挑战。STAM利用语义检索和类型化的临床关系来更新记忆，将其分为用于当前数据的“Active”（活动）和用于过去或已解决信息的“History”（历史）。在四个纵向临床基准上的评估表明，STAM在下游问答和状态维护诊断方面是有效的。 AI

影响该框架可以通过更好地管理复杂的患者病史来提高AI在医疗保健领域的准确性和可靠性。

排序理由该集群包含一篇提交至arXiv的研究论文，详细介绍了一个新的技术框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 21 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇提交至arXiv的研究论文，详细介绍了一个新的技术框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Maryam Haghifam, Zahra Rajabi, Yizhou Sun, Carlos Morato · 2026-10-01 04:00

面向临床代理的个性化状态转移感知记忆

arXiv:2609.38490v1 Announce Type: cross Abstract: Large language model (LLM) agents that reason over clinical records must track changes in a patient's state while preserving the history needed to understand them. Simply accumulating memories leaves it unclear which information s…

本文如何被排名

报道来源 [1]

面向临床代理的个性化状态转移感知记忆

相关实体

相关话题