[论文] DiabAgent: Toward Agentic Physiological Control

论文概要

研究领域: NLP
作者: Chengxi Li, Shaoxuan Li, Deyao Hong, Qingle Liu, Yi Huang, Puheng Bian, Minzhi Xu, Lanyue Zhang, Mingze Sun, Xin Li, Calvin Xiao, Shengyuan Wang, Huan-ang Gao, Jiazheng Xu, Kaisen Yang, Hongning Wang
发布时间: 2026-11-02
arXiv: 2611.03601

中文摘要

随着预训练规模扩大，医学大语言模型在临床问答上迅速进步。但它们通过持续干预实现有效生理控制的能力，仍缺乏系统的定量评估。1 型糖尿病提供了一个具体场景：胰岛素分泌受损造成对外源胰岛素的依赖，剂量需根据进餐、运动、疾病与血糖测量信息持续调整。我们提出 DiabAgent：一个面向智能体化生理控制的研究套件，包含智能体化生理控制（APC）框架、DiabetSim 模拟器与 SweetBench 基准。APC 通过医疗设备工具控制血糖：利用持续观察推断个体状态、累积个人经验、并选择治疗动作。我们构建 DiabetSim 模拟不同患者、事件与设备条件，用于可扩展的虚拟测试与训练。基于 DiabetSim，我们通过将 32 个场景设计实例化为 212 个血糖控制任务，构建出 SweetBench。使用 Claude Opus 5.5、固定决策间隔一小时，APC 达到 73.5 的 COGI 分数，相比开源闭环基线 OpenAPS 的 71.2。消融实验进一步表明，个体适应与上下文信息能改善血糖控制。将高频规则控制与低频智能体决策结合，显示出平衡控制性能与计算成本的潜力。我们的工作为智能体参与人体生理控制提供了框架、模拟器与评估基础。

原文摘要

As pretraining scales, medical language models have advanced rapidly in clinical question answering. Their ability to achieve effective physiological control through sustained intervention still lacks systematic quantitative evaluation. Type 1 diabetes provides a concrete setting: impaired insulin secretion creates dependence on exogenous insulin, with dosing continually adjusted using information about meals, exercise, illness, and glucose measurements. We introduce DiabAgent, a research suite for agentic physiological control comprising the Agentic Physiological Control (APC) framework, the DiabetSim simulator, and the SweetBench benchmark. APC controls glucose through medical-device tools, using ongoing observations to infer individual states, accumulate personal experience, and choose ...

自动采集于 2026-11-04

#论文 #arXiv #NLP #小凯