要約
大規模なアクションモデル（LAM）はインテリジェントオートメーションに革命をもたらしましたが、プライバシーの懸念、待ち時間、インターネットアクセスへの依存により、ヘルスケアへのアプリケーションは課題に直面しています。
このレポートでは、これらの制限を克服する、deviceのマルチエージェントヘルスケアアシスタントを紹介します。
このシステムは、より小さいタスク固有のエージェントを利用してリソースを最適化し、スケーラビリティと高性能を確保します。
提案されたシステムは、予約、健康監視、投薬リマインダー、日常の健康報告などの機能を備えたヘルスケアニーズのためのワンストップソリューションとして機能します。
QWENコードの指示2.5 7Bモデルを搭載したプランナーと発信者のエージェントは、計画で平均Rougelスコアが85.5、96.5は、デバイス上の展開の軽量である間、タスクを呼び出すために96.5を達成します。
この革新的なアプローチは、OnDeviceシステムの利点をマルチエージェントアーキテクチャと組み合わせて、ユーザー中心のヘルスケアソリューションへの道を開いています。
要約(オリジナル)
Large Action Models (LAMs) have revolutionized intelligent automation, but their application in healthcare faces challenges due to privacy concerns, latency, and dependency on internet access. This report introduces an ondevice, multi-agent healthcare assistant that overcomes these limitations. The system utilizes smaller, task-specific agents to optimize resources, ensure scalability and high performance. Our proposed system acts as a one-stop solution for health care needs with features like appointment booking, health monitoring, medication reminders, and daily health reporting. Powered by the Qwen Code Instruct 2.5 7B model, the Planner and Caller Agents achieve an average RougeL score of 85.5 for planning and 96.5 for calling for our tasks while being lightweight for on-device deployment. This innovative approach combines the benefits of ondevice systems with multi-agent architectures, paving the way for user-centric healthcare solutions.
arxiv情報
| 著者 | Sakharam Gawade,Shivam Akhouri,Chinmay Kulkarni,Jagdish Samant,Pragya Sahu,Aastik,Jai Pahal,Saswat Meher |
| 発行日 | 2025-03-07 13:20:12+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google