LLM 智能体自主跑通 CT 重建研究，969 参数模型比肩 SOTA

maier_ak · x · 2026-07-31

作者展示了由 LLM 驱动的智能体（Agent）自主完成 CT 图像重建研究的完整闭环。该智能体在固定的算力预算内，基于“校准余量得分（headroom score）”进行迭代，自主完成了代码编写、调参，并在专用集群上对 26 种前沿方法进行了基准测试。

实验取得了突破性成果：智能体开发出一个仅有 969 个参数的 CT 求解器，在低剂量 Mayo 数据集上的表现与体积庞大的 SOTA 模型持平。此外，研究揭示了现有“理想数据排行榜”的脆弱性：当向干净的 DL-Sparse-View 乳腺基准测试中添加真实噪声时，此前在干净数据上表现顶尖的模型性能骤降，提升几乎归零；而一种 learned primal-dual 方法则脱颖而出，获得了 0.93 的高余量得分。