SSMCGM-Stream：面向个性化糖尿病管理的流式状态空间模型

流式状态空间模型实现低成本可解释血糖预测与决策支持。

资讯摘要

论文提出 SSMCGM-Stream，一种流式状态空间模型，随每条血糖读数更新个性化隐藏状态，实现常数时间预测、生理结构化的反事实推理，并通过隐藏状态归因提供可解释预测。基于此的 SSMCGM-Agent 通过受约束的语言模型接口，将预测、解释与反事实转化为风险感知的自然语言建议。作者报告在 T1DEXI 队列上，其预测性能与强神经基线相当，同时大幅降低计算成本，支持设备端持续糖尿病决策支持。

要点速读

1. SSMCGM-Stream 随每条血糖读数更新个性化隐藏状态，实现常数时间预测与隐藏状态归因解释。
2. SSMCGM-Agent 通过受约束的语言模型接口输出风险感知的自然语言决策建议。
3. 作者报告在 T1DEXI 队列上预测性能与强神经基线相当，计算成本显著降低。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。