摘要
大型语言模型代理正通过结合规划、代码执行与反馈来自动化机器学习工程，但在医学影像领域仍面临挑战。本文提出 AMID，一个用于医学影像模型开发的自主多代理框架。AMID 首创“数据条件方法规划”，将粗略的任务级搜索空间细化为基于数据分析的可执行并行方法路径；随后开发“验证引导的两阶段优化”，在严格验证协议下从广泛探索转向选择性利用。实验表明，AMID 在多项任务上优于通用系统，甚至媲美人工设计方案，实现了高效且可审计的模型构建流程。
AI 推荐理由
论文核心提出数据条件方法规划机制，将任务搜索空间细化为可执行路径，是系统关键。
研究机构
The Chinese University of Hong Kong
Institute of Automation, Chinese Academy of Sciences
Microsoft Research
Lehigh University
Independent Researcher
论文信息