ECG-Agent：面向 ECG 多轮对话的设备端工具调用智能体
人工智能
2026-01-29 v1
摘要
最近的多模态大语言模型进展迅速扩展到心电图 (ECG)，聚焦于分类、报告生成和单轮问答任务。然而，这些模型在实际场景中仍显不足，缺乏多轮对话能力、设备端效率以及对 ECG 测量值（如 PQRST 间隔）的精准理解。为此，我们引入 ECG-Agent，首个基于大语言模型的面向 ECG 多轮对话的工具调用智能体。为促进其开发与评估，我们还构建了 ECG-Multi-Turn-Dialogue (ECG-MTD) 数据集，包含真实用户-助手多轮对话，涵盖多种 ECG 电导配置。我们开发了不同规模的 ECG-Agent，从可部署于设备端到大型模型不等。实验结果表明，ECG-Agent 在响应准确性方面优于 ECG-LLM 基线。此外，设备端模型在各种评估中（评估响应准确性、工具调用能力及幻觉情况）的表现，可与大型模型相当，证明其在实际应用中的可行性。
引用
@article{arxiv.2601.20323,
title = {ECG-Agent: On-Device Tool-Calling Agent for ECG Multi-Turn Dialogue},
author = {Hyunseung Chung and Jungwoo Oh and Daeun Kyung and Jiho Kim and Yeonsu Kwon and Min-Gyu Kim and Edward Choi},
journal= {arXiv preprint arXiv:2601.20323},
year = {2026}
}
备注
Accepted to ICASSP 2026 (5 pages, 2 figures, 5 tables)