DiabAgent：迈向智能体式生理控制

随着预训练规模的扩大，医学语言模型在临床问答方面取得了快速进展。然而，对于它们通过持续干预实现有效生理控制的能力，仍缺乏系统性的定量评估。1 型糖尿病提供了一个具体场景：胰岛素分泌受损导致患者依赖外源性胰岛素，其剂量需要根据膳食、运动、疾病状况和血糖测量等信息不断调整。我们提出 DiabAgent，这是一个面向智能体式生理控制的研究套件，由 Agentic Physiological Control（APC）框架、DiabetSim 模拟器和 SweetBench 基准组成。APC 通过医疗设备工具控制血糖，利用持续观测推断个体状态、积累个体经验并选择治疗行动。我们构建了 DiabetSim，用于模拟不同的患者、事件和设备状况，以支持可扩展的虚拟测试与训练。借助 DiabetSim，我们将 32 种场景设计实例化为 212 项血糖控制任务，构建了 SweetBench。在使用 Claude Opus 5.5 且决策间隔固定为一小时的条件下，APC 的 COGI 达到 73.5，而开源闭环基线 OpenAPS 为 71.2。消融实验进一步表明，个体适应和上下文信息能够改善血糖控制。将高频的基于规则的控制与低频的智能体决策相结合，展现出平衡控制性能与计算成本的潜力。我们的工作为智能体参与人体生理控制提供了框架、模拟器和评估基础。