RecursiveECG: un agente LLM perfeziona i classificatori ECG utilizzando prove di errore
Un nuovo framework chiamato RecursiveECG utilizza un LLM come progettista di modelli offline per perfezionare i classificatori ECG analizzando fallimenti concreti e prove ECG oggettive. Il sistema converte i criteri ECG curati in funzioni deterministiche validate tramite la compilazione Criteria-to-Measurement, consentendo misurazioni riproducibili. La revisione dei fallimenti basata su prove (Evidence-Grounded Failure Review) analizza quindi le classificazioni errate per guidare miglioramenti iterativi. Questo approccio affronta il limite delle metriche aggregate che mancano di approfondimenti sui fallimenti dei singoli casi. L'articolo è disponibile su arXiv con ID 2607.24419.
Fatti principali
- RecursiveECG è un framework LLM-as-Designer basato su prove
- Perfeziona i classificatori ECG basandosi su fallimenti concreti e prove ECG oggettive
- La compilazione Criteria-to-Measurement converte i criteri ECG in funzioni deterministiche validate
- La revisione dei fallimenti basata su prove analizza casi falliti e comparabili
- L'approccio affronta le limitazioni delle metriche di performance aggregate
- L'articolo è su arXiv con ID 2607.24419
- I modelli profondi hanno avanzato la classificazione ECG a 12 derivazioni
- Gli agenti LLM hanno potenziale per la progettazione automatica di modelli
Entità
Istituzioni
- arXiv