LLM 智能体按个案生成代码，提升多模态血糖预测精度。
资讯摘要
论文提出 GlucoAgent，一个基于 LLM 的智能体系统，在推理时针对每次预测动态分析个人多模态情境，编写并运行代码，返回带理由与证据的血糖预测。在 CGMacros 数据集上，其各预测时域均优于时间序列基础模型 Chronos-2，平均 RMSE 为 22.5 mg/dL 对 23.5 mg/dL；加入多模态数据后 RMSE 降低 1.4 mg/dL，而 Chronos-2 仅降低 0.3 mg/dL。
要点速读
- GlucoAgent 为每次预测生成并执行代码，程序涵盖检索相似历史餐食、拟合与回测生理及统计模型等。
- 在 CGMacros 上平均 RMSE 22.5 mg/dL，优于 Chronos-2 的 23.5 mg/dL。
- 多模态数据使其 RMSE 降低 1.4 mg/dL；餐后 60 分钟预测 RMSE 降低 4.6 mg/dL，Chronos-2 为 0.8 mg/dL。
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 2026/11/5 08:00:38（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。