arXiv cs.CL· Chengxi Li, Shaoxuan Li, Deyao Hong, Qingle Liu, Yi Huang, Puheng Bian, Minzhi Xu, Lanyue Zhang, Mingze Sun, Xin Li, Calvin Xiao, Shengyuan Wang, Huan-ang Gao, Jiazheng Xu, Kaisen Yang, Hongning Wang·· 11 小时前AI 评分48
DiabAgent：面向智能体生理控制的框架、模拟器与 SweetBench 基准
DiabAgent: Toward Agentic Physiological Control
AI 导读
研究团队提出 DiabAgent 研究套件，包含 Agentic Physiological Control（APC）框架、DiabetSim 模拟器和 SweetBench 基准，用于系统评估模型通过持续干预实现生理控制的能力。
正文 · AI 翻译
作者：Chengxi Li、Shaoxuan Li、Deyao Hong、Qingle Liu、Yi Huang、Puheng Bian、Minzhi Xu、Lanyue Zhang、Mingze Sun、Xin Li、Calvin Xiao、Shengyuan Wang、Huan-ang Gao、Jiazheng Xu、Kaisen Yang、Hongning Wang
摘要：随着预训练规模扩大，医学语言模型在临床问答方面进展迅速。但其通过持续干预实现有效生理控制的能力仍缺乏系统的定量评估。1 型糖尿病提供了一个具体场景：胰岛素分泌受损导致患者依赖外源性胰岛素，并需根据进餐、运动、疾病和血糖测量信息不断调整剂量。我们推出 DiabAgent，这是一个用于智能体生理控制的研究套件，包含 Agentic Physiological Control（APC）框架、DiabetSim 模拟器和 SweetBench 基准。APC 通过医疗设备工具控制血糖，利用持续观测推断个体状态、积累个人经验并选择治疗动作。我们构建 DiabetSim 来模拟不同患者、事件和设备状况，以支持可扩展的虚拟测试与训练。利用 DiabetSim，我们将 32 个场景设计实例化为 212 个血糖控制任务，从而构建 SweetBench。在 Claude Opus 5.5 和固定一小时决策间隔下，APC 的 COGI 达到 73.5，而开源闭环基线 OpenAPS 为 71.2。消融实验进一步表明，个体适应和上下文信息可改善血糖控制。将高频规则控制与低频智能体决策相结合，显示出在控制性能与计算成本之间取得平衡的潜力。我们的工作为智能体参与人类生理控制提供了框架、模拟器和评估基础。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.03601 [cs.AI] |
| （或 arXiv:2611.03601v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.03601 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Kaisen Yang [查看邮箱]
[v1]
2026 年 11 月 2 日星期一 18:41:02 UTC（1,772 KB）
来源：arXiv cs.CL · arxiv.org