热点事件持续更新
研究团队提出用于EHR患者轨迹预测的世界模型EHR-WM
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员在 arXiv 发布成果，提出一种用于电子健康记录（EHR）的预测性世界模型 EHR WM。该框架将患者病史建模为动作条件隐空间轨迹，通过状态依赖的线性化预测器分离患者状态与临床动作，从而支持时间分辨预测以及多步推演仿真。实验表明，在二分类和事件发生时间任务中，EHR WM 仅以缩小 30 倍（30x）的参数规模，便取得了可媲美大型 EHR 基座模型的性能表现。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
研究团队发布预测性世界模型EHR WM，以缩小30倍的参数规模媲美大型EHR基座模型性能。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习利用动作条件世界模型从电子健康记录预测患者轨迹
研究者提出一种用于电子健康记录（EHR）的预测性世界模型 EHR WM，将患者病史建模为动作条件隐空间轨迹。该框架通过状态依赖的线性化预测器分离患者状态与临床动作，支持时间分辨预测与多步推演仿真。在二分类和事件发生时间任务中，EHR WM 仅用缩小 30x 的参数规模便取得了可媲美大型 EHR 基座模型的性能。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20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。