Alpha-TCM九层中医多模态推理审计框架
原文：Alpha-TCM: A Nine-Layer Framework for TCM-Guided Multimodal Inference and Structured-Prior Auditing
Alpha-TCM围绕一个核心论点做出两项贡献：可审计系统应当将领域知识、病例证据、概率推理与下游权限相互分离。首先，它提出一个面向中医的九层架构，涵盖语义定义、多模态采集、质量控制、带来源的知识、概率推理、纵向更新、约束决策、语言交互与人类治理。每一层都规定了其信息契约、失效边界、依赖关系与验证状态。这是一项系统设计提案，并非对完整临床实现的宣称。其次，一个受控的合成原型实例化了第1至第5层，用于审计知识与证据之间的接口。四个条件高斯编码器分别处理合成舌象、脉搏波形、问诊字段与文本，而一个冻结的桥接模块预测五维合成结果。一个版本化的上下文先验独立于渲染器进行编译。融合在加入上下文之前会移除重复的参考先验信息。等量信息对照、先验正则化、分级污染与结构性破坏用于检验上下文收益、贝叶斯特异性与冲突检测。在十个配对随机种子与四种训练规模下，上下文知识在600与1200个病例时相较边际委员会融合改善了平均绝对误差，但未能优于等量信息神经对照。完全错误的上下文在每种规模下都损害性能，而先验效应并不一致，冲突分数也无法追踪病例级损害。结果支持低数据合成场景中的上下文结构，而非特定的贝叶斯优势。该原型不对中医理论或临床、诊断、治疗、因果、纵向或迁移有效性作出任何宣称。作者：Yucheng Liu、Everett X. Wang。类别：cs.LG。