10:38
官方账号arXiv cs.LG@Weixin Liu, Juming Xiong, Congning Ni, Yanfan Zhu, Xingtao Lin, Bradley A. Malin, Zhijun Yin
推荐理由：这篇论文提出了DRIFT，一种ICU生理轨迹预测新方法，在MIMIC-IV和eICU-CRD上比TFT-action的MAP误差低0.67%，尤其在治疗序列变化时表现更准。
DRIFT
共 2 条相关 AI 资讯
7月29日
10:38
DRIFT是一个混合框架，结合直接预测与递归动作条件校正。在MIMIC-IV（6046次住院）和eICU-CRD（8345次住院）上评估，8/24/48小时平均动脉压（MAP）平均绝对误差相比动作条件TFT（TFT-action）降低0.673%。在处理序列变化的窗口内，DRIFT在8和24小时MAP误差低于TFT-action。序列变化导致DRIFT的MAP误差增加0.21-0.26 mmHg，预测差异主要出现在路径分叉后。
6月2日
11:08
11:08
官方账号arXiv cs.AI@Jiaming Wang, Ziteng Feng, Jiangtao Wu, Ruihao Li, Qianqian Xie, Yuxiang Ren, He Zhu, Xueming Han, Fanyu Meng, Junlan Feng, Jiaheng Liu
精选72°
推荐理由：做 AI 代理评估或可靠性研究的团队会感兴趣——DRIFT 框架直接解决了「只看结果不看过程」的盲区，建议点开看看方法细节。