arXiv cs.AI· Xiaoliang Wang, Zhuo Chen, Chuanyang Zheng, Jiangwei Lao, Quanbin Wang, Honglin Lin, Jiajia Liu, Zhihong Lu, Hao Jin, Jian Wang, Lijun Wu·· 3 天前AI 评分24
ECG-RSI：通过靶向心电图波形演化的递归自我改进框架
ECG-RSI: Recursive Self-Improvement through Targeted Electrocardiogram Waveform Evolution
AI 导读
ECG-RSI 将经验证的波形合成与反馈引导的干预搜索结合，经三轮迭代把 Qwen3.5-35B-A3B 在七个基准上的问答平均准确率从 34.57% 提升至 56.04%，分类平均 F1 从 24.27 提升至 34.03。
正文 · AI 翻译
作者：Xiaoliang Wang、Zhuo Chen、Chuanyang Zheng、Jiangwei Lao、Quanbin Wang、Honglin Lin、Jiajia Liu、Zhihong Lu、Hao Jin、Jian Wang、Lijun Wu
摘要：心电图（ECG）模型需要针对不断演变的弱点进行监督，并保持对波形证据的忠实性。我们提出 ECG-RSI，一个递归自我改进框架，将经过验证的波形合成与反馈引导的干预搜索相结合。信号重测验证波形编辑；构建错误指导生成器修复，而学习器错误则激发干预，并在单独的筛选集上进行比较。在七个基准上，三轮迭代将 Qwen3.5-35B-A3B 的平均问答准确率从 34.57% 提升至 56.04%，平均分类 F1 从 24.27 提升至 34.03。在保留的轨迹中，首选监督从直接强化转向以混淆为重点的对比。持续的反馈校正带来的外部收益递减。这些结果支持将错误诊断与干预选择分离，并检验反馈集上的增益是否能迁移到独立基准。
| 评论： | 项目：此 https URL GitHub：此 https URL |
| 学科： | 人工智能（cs.AI）；机器学习（cs.LG）；信号处理（eess.SP）；定量方法（q-bio.QM） |
| 引用为： | arXiv:2610.17718 [cs.AI] |
| （或 arXiv:2610.17718v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17718 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhuo Chen [查看电子邮件]
[v1]
2026年10月13日星期二 04:50:27 UTC（972 KB）
来源：arXiv cs.AI · arxiv.org