摘要
临床开发是在不确定性下的序列决策过程,赞助商需基于异构证据规划实验组合。本研究将肿瘤学临床开发建模为离线决策问题,利用包含31.7k条记录的时序数据集,训练Agent预测未来六个月的试验组合。通过比较行为克隆、奖励加权等行为目标与前沿LLM Agent,发现离线训练的模型在保持数据纯净度的测试集上显著优于基线,其中奖励加权行为克隆表现最佳。结果表明,结构化离线学习能有效赋予Agent规划临床试验的能力。
AI 推荐理由
论文核心研究Agent在临床试验中的多步决策与实验组合规划,直接对应任务规划主题。
研究机构
Department of Engineering Science, University of Oxford, Oxford, United Kingdom
论文信息