待验证50% 置信事实精确时间
SurvICL将生存分析转化为上下文学习问题，模型在推理时直接根据输入的少量样本预测完整的生存曲线，不依赖梯度更新来适配新数据集。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证Survprompt框架将结构化患者协变量转换为自由文本形式的临床小故事，再喂给预训练LLM以零样本方式预测生存期72% 相似待验证Decision Transformer将离线轨迹数据建模为因果序列生成问题，通过引入回报条件使模型能够在不与环境交互的情况下从静态数据集学习条件策略70% 相似待验证保形预测是源自统计学习理论的框架，利用历史校准集残差分布为预测构造有限样本覆盖率保证的置信区间，无需强参数假设69% 相似待验证跨任务校准问题的本质是模型概率输出在特定训练分布上学到，输入分布变化时概率可靠性会漂移但模型感知不到68% 相似待验证预测性计算生物学方法要求模型具备足够的泛化能力，即能够对训练数据之外的新细胞类型、新组织环境做出合理推断；这要求模型不仅拟合数据，还要学到背后的因果机制。当前大多数方法仍处于关联预测阶段，距离真正的因果推断还有距离。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042081API
curl https://kongchang.com/api/v1/knowledge/claims/1042081MCP
get_claim(id=1042081)