热点事件持续更新
研究团队提出面向医疗LLM智能体的CausalEvo自进化方法
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年10月16日，研究团队在arXiv发布论文，提出面向医疗LLM智能体的因果技能自进化方法CausalEvo。该方法允许在固定模型权重的前提下，评估技能替换的相对效应并优化技能保留机制。在针对6个MedCalc-Bench-Verified任务（涵盖120个保留案例）的实验评测中，CausalEvo达到了60.00%的准确率，表现优于对比基准SkillOpt（55.83%）以及无技能基线（51.67%）。
AI 根据报道生成 · 9 小时前更新
最新进展10月16日 12:00
研究团队公布CausalEvo方法，在MedCalc-Bench测试中取得60.00%的准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv 机器学习CausalEvo：面向医疗 LLM 智能体的因果技能自进化方法
研究提出 CausalEvo，这是一种面向医疗 LLM 智能体的因果技能自进化方法，可在固定模型权重下评估技能替换的相对效应并优化技能保留。在 6 个 MedCalc-Bench-Verified 任务（120 个保留案例）上，CausalEvo 达到 60.00% 准确率，优于 SkillOpt 的 55.83% 和无技能基线的 51.67%。
本事件热度走势
当前热度 8·可比范围峰值 10（10月16日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。