Badacze z arXiv wprowadzili GuideSkill, system który zmienia sposób, w jaki modele języka AI pracują z kliniczeznymi wytycznymi diagnostycznymi. Zamiast jedynie pobierać tekst wytycznych lub uczyć się ich poprzez trening, system kompiluje kryteria diagnostyczne do executable funkcji, które zwracają oceny ordynalne wspierające diagnostykę.
System ma dwa tryby działania. GuideSkill-Zero jest inicjalizowany bezpośrednio z wytycznych medycznych i natychmiast poprawia rezultaty o 13,45% średniej dokładności w stosunku do metodologii retrieval-augmented generation. GuideSkill-Evo idzie dalej, ucząc się na rzeczywistych parach przypadków i diagnoz - dodaje brakujące diagnozy i dostosowuje istniejące umiejętności. Wyniki pokazują, że wariant Evo osiąga 99,5% pokrycia umiejętności ze złotych标签oraz przewyższa bezpośrednią inferencję o 18,49% względnie, wszystko bez aktualizacji parametrów modelu backbone.
Znaczenie tego podejścia tkwi w jego uniwersalności. GuideSkill działa niezależnie od architektur - testowano go na czterech różnych modelach, włącznie z Qwen3.5-9B, gdzie przewyższył najsilniejszych konkurentów z aktualizacją parametrów o 11,16%. Eksperci kliniczny potwierdzili, że procedury generowane przez system są medycznie sensowne i akceptowalne w praktyce. To sugeruje, że executable skills mogą być standardowym mechanizmem łączącym procedury oparte na wytycznych z diagnostyczną intuicją wyuczoną na rzeczywistych przypadkach.