Aueaphum Aueawatthanaphisut
PulseAugur coverage of Aueaphum Aueawatthanaphisut — every cluster mentioning Aueaphum Aueawatthanaphisut across labs, papers, and developer communities, ranked by signal.
-
MedRLM框架通过递归多模态智能增强临床AI · 跟踪2个来源
研究人员推出了一种新颖的递归多模态健康智能框架MedRLM，旨在增强临床决策支持。与依赖单步检索的现有模型不同，MedRLM将患者病例视为可以递归检查和综合的外部环境。该方法协调文本、电子病历、医学影像和传感器信号等各种数据类型的专用代理，以提供更具可审计性、多模态性和工作流程感知能力的支��。
-
新的LLM编排多智能体框架增强BDaaS生命周期自动化
研究人员开发了一个新的大数据即服务（BDaaS）框架，该框架利用由中央LLM编排的多智能体系统。该系统旨在自动化和提高从摄取到部署后监控和漂移检测的整个数据工程和MLOps生命周期的可靠性。与现有的单智能体或仅AutoML方法相比，所提出的架构将任务分解为专门的智能体，增强了生命周期级别的编排、工件治理和人工监督。
-
LLM工作流通过提示链增强哮喘风险评估
研究人员开发了AeroSpectra Sentinel，这是一种新颖的决策支持工作流，它使用五阶段的大型语言模型（LLM）提示链过程来进行急性哮喘风险评估。该系统集成了呼吸音分析、机器学习筛查和临床特征融合，以提供可审计的临床推理。评估表明，带有防护栏和FHIR模式验证的LLM工作流实现了最强的模拟安全性和文档一致性，尽管它是一个研究原型。
-
联邦学习框架通过隐私保护增强化工过程优化
研究人员开发了一种新颖的、面向分布式化工过程优化的隐私保护联邦学习框架。该方法允许多个化工厂在不共享敏感操作信息的情况下，利用其本地数据协同训练预测模型。与本地训练相比，该框架展示了快速收敛和提高的预测精度，在维护工业机密性的同时，实现了接近集中式方法的性能。