★ 3
研究用可观测轨迹与关键步骤监督监控网页智能体
研究探讨了在无内部信号情况下,利用可观察轨迹信号进行网络智能体风险预测。实验表明,该方法与内部信号基线性能相当,并支持早期干预和跨网站迁移。
arXiv cs.AI60 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究探讨了在无内部信号情况下,利用可观察轨迹信号进行网络智能体风险预测。实验表明,该方法与内部信号基线性能相当,并支持早期干预和跨网站迁移。
研究提出结构化证据路由工作流,包括路由器、预测器和审查器,用于从纵向电子健康记录预测事件风险。路由器组织完整记录为摘要和证据切片,预测器形成风险评估,审查器批判。在五个一年期诊断任务上达到与监督基线相当的AUROC,并提供患者特定证据轨迹。
EduRiskX结合时间Transformer与F-Logic符号推理,预测在线教育学生学业风险,实现早期检测与可解释性。在OULAD数据集上,学期末准确率0.900,平均早期检测周9.32,优于现有模型。