Компьютерные науки > Искусственный интеллект [представлен 15 октября 2026 года] Название: Auditing Escalation Reference in HLM-агенты: A Vurbation - Controlbucted Beyor of Workflow-State View PDF HTML (экспериментальный) Резюме: Достоверный биомедицинский АИ требует надежного отбора действий в случае отсутствия доказательств, их неисчерпания, противоречивости или позднего представления точных ответов на статические данные. Мы привязываем протокол оценки уровня эпизодов к 400 синтетическим сериям рабочих процессов в области здравоохранения: 40 ручных семантичных семян на четырех классах задач, два параметра поверхности и пять контролируемых вариантов, которые получили оценку ANSWER/ASK CLARification/ABSTAIN/ESCALATE под предпровождаемым 5:1 пропущенной-ненужная эскалация. Справочные мероприятия являются одноавторскими наклейками политики в области исследований, а не клинической правдой. В пяти открытых конфигурациях (1,7B-9,7В) точность принятия чистых решений достигает 0,97, однако модели с неопределенности не учитывают 32-97% требуемой эскалации. Более сильная конфигурация 9,7В сужает, но не устраняет разрыв: она снижается с 0,97 чистой точности до 0,78 в условиях конфликта. Вербальное доверие является непоследовательным (ECE 0.10-0.54; провал AUROC 0,48-0,77), а политика, ориентированная только на развитие доверия, не приносит никакой выгоды с точки зрения полезности. Транспарентный контроллер рабочего потока повышает эффективность 5:1 для каждой модели и снижает…
Аудиторская проверка надежности медицинских работников: контрольный показатель рабочего потока и неудач в области здравоохранения
arXiv:2610.21270v1 Annuaire Type: New Humber Abstract: Достоверный биомедицинский IA требует надежного отбора действий, когда улики отсутствуют, скрыты, противоречивы или запоздалые, а не только точных ответов на статические вводимые данные. Мы привязываем протокол оценки уровня эпизодов к 400 синтетическим сериям рабочих процессов в области здравоохранения: 40 ручных семантичных семян на четырех классах задач, два параметра поверхности и пять контролируемых вариантов, которые получили оценку ANSWER/ASK CLARification/ABSTAIN/ESCALATE под предпровождаемым 5:1 пропущенной-ненужная эскалация. Справочные мероприятия являются одноавторскими наклейками политики в области исследований, а не клинической правдой. В пяти открытых конфигурациях (1,7B-9,7В) точность принятия чистых решений достигает 0,97, однако модели с неопределенности не учитывают 32-97% требуемой эскалации. Более сильная конфигурация 9,7В сужает, но не устраняет разрыв: она снижается с 0,97 чистой точности до 0,78 в условиях конфликта. Вертикальное доверие является непоследовательным (ECE 0.10-0.54; отказ AUROC 0)