arXiv · cs.AI· Kyungkeon Chung, Se Un Park, Hyejin Lee, Junyoung Park·· 8 小时前
ARMED：自适应检索增强的用药推荐框架
ARMED: Adaptive Retrieval-Augmented Medication Recommendation
arXiv:2610.16440v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kyungkeon Chung, Se Un Park, Hyejin Lee, Junyoung Park
研究任务与主要进展
ARMED提出一种自适应临床RAG框架，在MIMIC-IV实验中持续优于既有静态检索基线并改善用药推荐质量。该框架依据检索充分性和当前就诊相关性动态追加多查询检索，通过相关性门控激活临床相关的同患者病史，并将证据组织为结构化的查询级临床证据；其方案使用本地可运行的小型语言模型，不依赖外部语言模型API或任务特定微调。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org