論文の概要: Incentivizing Tool-Use Reinforcement Learning for Post-Arrival Emergency Care Prediction

• arxiv url: http://arxiv.org/abs/2610.21449v2
• Date: Wed, 21 Oct 2026 01:05:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:05.956216
• Title: Incentivizing Tool-Use Reinforcement Learning for Post-Arrival Emergency Care Prediction
• Title（参考訳）: 治験後救急医療予測のためのツール強化学習のインセンティブ化
• Abstract要約: 大規模言語モデル(LLM)は構造化された測定値と自由テキストレコードの両方を推論することができる。 ツール統合強化学習フレームワークであるTIR-ECを提案する。 インフォメーションツールの参照セットを提供する勾配木教師からの報酬でLLMをトレーニングする。 3つの臨床予測課題の評価結果から,我々の4Bエージェントは比較したモデルの中で最も高いマクロF1を達成することが示された。
• 参考スコア（独自算出の注目度）: 19.705024943309237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) can reason over both structured measurements and free-text records, which makes them attractive for emergency department (ED) prediction. However, most existing LLMs still fall short of conventional ML methods like trees on EHR-based prediction tasks. Our controlled analysis traces this gap to two weaknesses: LLMs do not select informative features, and they misjudge what numerical values imply for risk even when given the right features. We propose TIR-EC, a tool-integrated reinforcement learning framework that addresses both. TIR-EC exposes EHR feature groups as tools the LLM can call. It trains the LLM with rewards from a gradient-boosted tree teacher, which provides a reference set of informative tools and a graded risk target. TIR-EC also distills task-specific clinical skills into the model weights through a reverse curriculum that gradually removes the skills from the prompt during RL process. Evaluation on three clinical prediction tasks shows that our 4B agent achieves the highest macro F1 of all compared models, outperforms conventional ML baselines, and is competitive with much larger frontier LLMs. Further analysis shows that TIR-EC selects more useful evidence with fewer tool calls and combines measurements more effectively.
• Abstract（参考訳）: 大規模言語モデル(LLM)は構造化された測定値と自由テキスト記録の両方を推論できるため、緊急部署(ED)の予測には魅力的である。 しかし、既存のLLMの多くは、EHRベースの予測タスクのツリーのような従来のMLメソッドにはまだ及ばない。 LLMは情報的特徴を選ばず、正しい特徴を与えられたとしても、数値値が何を意味するのかを誤判断する。 ツール統合強化学習フレームワークであるTIR-ECを提案する。 TIR-ECは、LEMが呼び出すことのできるツールとして、EHR機能グループを公開する。 LLMは、インフォメーションツールのリファレンスセットとグレードされたリスクターゲットを提供するグラデーションブーストツリー教師からの報酬で、LLMをトレーニングする。 TIR-ECはまた、RLプロセス中にプロンプトから徐々にスキルを除去するリバースカリキュラムを通じて、タスク固有の臨床スキルをモデルウェイトに蒸留する。 3つの臨床予測課題の評価から,我々の4Bエージェントは,比較対象モデルの中で最も高いマクロF1を達成し,従来のMLベースラインを上回り,はるかに大きなフロンティアLLMと競合することが示された。 さらなる分析により、TIR-ECはツールコールが少なく、より有用なエビデンスを選択し、より効果的に測定を組み合わせることが示されている。

関連論文リスト

• Utilizing Large Language Models for Machine Learning Explainability [37.31918138232927]
  本研究では,機械学習(ML)ソリューションを自律的に生成する際の,大規模言語モデル(LLM)の説明可能性について検討する。 最先端の3つのLCMは、ランダムフォレスト、XGBoost、マルチレイヤーパーセプトロン、ロング短期記憶ネットワークの4つの共通分類器のためのトレーニングパイプラインを設計するよう促される。 生成したモデルは、SHAP(SHapley Additive exPlanations)を用いた予測性能(リコール、精度、F1スコア)と説明可能性の観点から評価される。
  論文  参考訳（メタデータ） (2025-10-08T11:46:23Z)
• RJE: A Retrieval-Judgment-Exploration Framework for Efficient Knowledge Graph Question Answering with LLMs [18.947344953344995]
  Retrieval-Judgment-Exploration (RJE)は、洗練された推論経路を検索し、その十分性を評価し、追加の証拠を条件付きで探索するフレームワークである。 RJE はエージェントベースの手法と比較して LLM 呼び出しとトークンの使用量を著しく削減し、大幅な効率改善をもたらす。
  論文  参考訳（メタデータ） (2025-09-25T03:56:18Z)
• Toward Better EHR Reasoning in LLMs: Reinforcement Learning with Expert Attention Guidance [9.106439376182513]
  電子健康記録(EHR)推論のための大規模言語モデル(LLM)は、正確で一般化可能な臨床予測を可能にするために不可欠である。 EAG-RL は LLM の EHR 推論能力を高めるために設計された新しい2段階学習フレームワークである。 EAG-RLは、まず、専門家誘導モンテカルロ木探索を用いて、高品質で段階的な推論軌道を構築する。
  論文  参考訳（メタデータ） (2025-08-19T07:24:48Z)
• TL-Training: A Task-Feature-Based Framework for Training Large Language Models in Tool Use [72.32614703504122]
  大規模言語モデル(LLM)は、環境と対話するツールを活用することで、目覚ましい進歩を遂げる。 大規模なデータセットに依存する標準教師付き微調整アプローチでは、ツール使用時のタスク固有の特性を見落としていることが多い。 本稿では,最適下トレーニングデータの効果を緩和するタスク機能ベースのフレームワークであるTL-Trainingを提案する。
  論文  参考訳（メタデータ） (2024-12-20T02:21:36Z)
• Efficient Tool Use with Chain-of-Abstraction Reasoning [63.08202389132155]
  大規模言語モデル(LLM)は、現実世界の知識に対する推論の基礎となる必要がある。 マルチステップ推論問題におけるツールの実行には,微調整LDMエージェントの課題が残されている。 マルチステップ推論におけるツールの活用方法として, LLM の新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-30T21:53:30Z)
• TRACE: A Comprehensive Benchmark for Continual Learning in Large Language Models [52.734140807634624]
  調整された大規模言語モデル(LLM)は、タスク解決、指示に従うこと、安全性を確保することにおいて、例外的な能力を示す。 既存の連続学習ベンチマークでは、LLMをリードする上で十分な課題が欠如している。 LLMにおける継続学習を評価するための新しいベンチマークであるTRACEを紹介する。
  論文  参考訳（メタデータ） (2023-10-10T16:38:49Z)
• Are Large Language Models Really Robust to Word-Level Perturbations? [68.60618778027694]
  本稿では,事前学習した報酬モデルを診断ツールとして活用する,新たな合理的評価手法を提案する。 より長い会話は、質問を理解する能力の観点から言語モデルの包括的把握を示す。 この結果から,LLMは日常言語でよく使われる単語レベルの摂動に対する脆弱性をしばしば示している。
  論文  参考訳（メタデータ） (2023-09-20T09:23:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。