arXiv เผยแพร่งานวิจัย AI ด้าน healthcare 8 เรื่อง ครอบคลุมโมเดลเฉพาะทาง เอเจนต์ และ benchmark
arXiv เผยแพร่งานวิจัย AI ด้าน healthcare หลายชิ้นที่เน้น agentic workflow และโมเดลเฉพาะทาง ตั้งแต่ Cura 1T โมเดล healthcare ที่ฝึกด้วย human-gated self-evolution loop, SAGEAgent ที่เลือก modality ตามต้นทุน, PathoSage ที่แยก evidence ใน pathology, ไปจนถึง HealthAgentBench ชุด benchmark 54 งานสำหรับ agentic healthcare นอกจากนี้ยังมี Gosset ที่ใช้ curated data เอาชนะ frontier LLM ในการค้นหาสินทรัพย์ยา, Evo-MedAgent ที่จดจำและปรับปรุงจากประสบการณ์, DAGForge สำหรับสร้าง causal DAG พร้อม provenance และ artifact-based framework สำหรับ medical image processing ที่ reproducible งานเหล่านี้ชี้ให้เห็นแนวโน้มการพัฒนา AI agentic ใน healthcare ที่เน้น self-evolution, cost-aware reasoning, และ evidence adjudication
- Cura 1T เป็นโมเดล healthcare เฉพาะทางที่ฝึกด้วย human-gated self-evolution loop
- HealthAgentBench มี 54 งาน agentic healthcare ครอบคลุม 7 หมวด พร้อม environment จริง
- Gosset ใช้ curated data เอาชนะ Claude Opus 4.7 และ GPT 5.5 ในการค้นหาสินทรัพย์ยา
สิ่งที่น่าลองทำต่อหลังอ่านจบ เลือกข้อที่ตรงกับงานของคุณได้เลย
- 01ลองรัน eval โมเดล healthcare ของทีมบน HealthAgentBench เพื่อวัดความสามารถ agentic ก่อน deploy จริง focus ที่ long-horizon reasoning และ modality handling
- 02เปรียบเทียบผลลัพธ์ของระบบ curated AI (Gosset) กับ frontier LLM ในการค้นหาสินทรัพย์ยาใน niche oncology/immunology target ที่ pipeline อยู่ใน preclinical
- 03อัปเดต workflow การวินิจฉัย multimodal โดยใช้แนวคิด self-evolving memory จาก Evo-MedAgent เพื่อลด recurrent errors โดยไม่ต้อง retrain ทั้งโมเดล
ลิงก์ต้นทางอยู่ครบ เพื่อให้เปิดอ่านเต็มและเทียบข้อมูลเองได้