研究团队提出HALO框架优化临床记录标签获取
Start here
2026年11月3日，研究人员在 arXiv 发布论文，提出面向纵向临床记录的 HALO 框架。该框架结合分层证据选择与强化学习技术，旨在预算限制下联合优化证据筛选及多保真度标签源分配。在心力衰竭案例评估中，HALO 在 8 个目标预算中的 6 个取得了最高的 MedAlign 获取标签 F1 分数；由其训练的下游分类器在预算为 15 至 60 时获得最高的外部 MGB F1 分数，在预算为 75 至 120 时与最佳对比方法的差距也保持在 0.01 以内。
AI-generated from reports · Updated 13 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理HALO：面向纵向临床记录的分层证据选择与强化学习预算标签优化框架
研究者提出 HALO 框架，通过分层证据选择与强化学习，在预算限制下联合优化纵向临床记录的证据筛选及多保真度标签源分配。在心力衰竭案例中，HALO 在 8 个目标预算中的 6 个取得最高 MedAlign 获取标签 F1 分数。其训练的下游分类器在预算 15-60 时取得最高外部 MGB F1 分数，在预算 75-120 时与最佳对比方法的差距保持在 0.01 以内。
Story heat trend
Current heat 6·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.