Cros：临床诊断智能体的风险约束停止层
原文标题：Safe to Stop? Risk-Constrained Stopping for Sequential Clinical Diagnosis Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文关注临床诊断智能体何时应诊断或转诊的自主停止可靠性问题，提出风险约束停止层Cros，结合状态级错误排序、独立开发集策略设计与LTT式精确检验。在1834例MIMIC腹痛基准上，完整排序器状态错误AUROC达0.853，显著优于最大类概率的0.715和原生停止分数的0.552。在367例评估集上，Cros实现78.8%覆盖率下16.9%选择性错误，优于原生停止的30.8%错误率，但作者强调结果为探索性可行性证据而非确证性安全认证。
- 问题
- 临床诊断智能体何时应诊断或转诊的自主停止可靠性缺乏评估。
- 方法
- 风险约束停止层Cros，结合状态级错误排序、独立开发集策略设计与LTT式精确检验。
- 结果
- 1834例MIMIC腹痛基准上状态错误AUROC 0.853，367例评估集78.8%覆盖率下选择性错误16.9%，优于原生停止的30.8%。
- 影响
- 为高风险诊断智能体提供可量化的停止策略与有限样本保证思路，但仅为探索性证据。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Cros在78.8%覆盖率下把选择性错误压到16.9%，原生停止为30.8%
- •针对临床诊断智能体何时诊断或转诊的自主停止可靠性，结合状态级错误排序与LTT式精确检验
- •1834例MIMIC腹痛基准上状态错误AUROC达0.853，最大类概率0.715、原生停止分数0.552
- •367例评估集上覆盖率78.8%、错误16.9%、成本5.57、0.68次检查；原生停止为100%覆盖、30.8%错误
- •强制继续呈非单调：仅HPI时错误28.3%，完整检查后升至34.3%
- •作者称仅为探索性可行性证据；20次开发重划分中仅6次名义满足联合准则
为什么重要：临床智能体的停止策略直接关系误诊风险，但该结果尚未达到安全认证级别，读者需按可行性证据看待。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。