AMID：医学影像建模智能体框架
Shengyuan Liu · hf · 2026-07-15
这篇工作提出 **AMID**，一个用于**医学影像模型开发**的自主多智能体框架，试图把原本依赖人工经验的 MLE 流程自动化，同时满足医学场景里对验证与可审计性的严格要求。 核心设计包括： - **Data-Conditioned Method Planning**：先根据任务数据分析，把粗粒度搜索空间细化成可执行、可并行的“方法路线” - **Verification-Guided Two-Stage Optimization**：先广泛探索不同路线，再选择性利用更有前景的候选 - 在整个优化过程中，持续检查**验证协议、指标计算和预测产物**，确保结果可审计 作者在 **20 个医学影像挑战任务** 上测试，AMID 优于评测中的通用 MLE 系统，并在部分任务上接近或达到强人工方案。结论是：这种 agentic 工作流有望把医学影像建模从定制化手工工程，变成更自动化、可审计的高性能产出流程。