AutoHealth: 面向自主健康数据建模的不确定性感知多主体系统
人工智能
2026-02-03 v1
摘要
LLM 基的主体已在自主机器学习中展现出强大潜力，但其在健康数据应用仍受限。现有系统常难以跨越异构健康数据模态，依赖预定义的解决方案模板，缺乏针对特定任务目标的适应性，更忽略不确定性估计——这在医疗保健中至关重要。为此，我们提出 AutoHealth，一个 novel 不确定性感知多主体系统，自主建模健康数据并评估模型可靠性。AutoHealth 通过五个专职主体的闭环协调完成数据探索、任务条件模型构建、训练和优化，同时优先保证预测性能和不确定性量化。除生成即插即用模型外，系统还生成综合报告，以支持可信解释和风险感知决策。为严格评估其有效性，我们构建一个具挑战性的真实世界基准，包含 17 项跨模态和学习场景的任务。AutoHealth 完成所有任务，预测性能比最先进基准提升 29.2%，不确定性估计提升 50.2%。
引用
@article{arxiv.2602.01078,
title = {AutoHealth: An Uncertainty-Aware Multi-Agent System for Autonomous Health Data Modeling},
author = {Tong Xia and Weibin Li and Gang Liu and Yong Li},
journal= {arXiv preprint arXiv:2602.01078},
year = {2026}
}