研究者提出R2C-Agent在隐藏接触网络下规划HIV干预

Akseli Kangaslahti 等研究者发布 arXiv 论文（2611.13312），形式化了 HIV 网络干预规划这一新问题：在只能观测同伴转介网络、无法获取真实接触网络的条件下，规划干预以最小化 HIV 传播。他们据此实现了决策智能体 R2C-Agent。其核心是基于条件图扩散模型 Referral-to-Contact Diffusion（R2C-Diff），将转介过程建模为接触网络的增量腐蚀并学习逆向还原，从而在采样网络上规划干预，以纳入不确定性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。