重症监护排班不必为每个问题重建状态：一个冻结的患者世界模型同时支撑入院、护理与转出仿真
重症监护的资源规划长期依赖为单一政策问题手工设定的紧凑状态转移模型，换一个问题就要重新定义状态。一个在MIMIC-IV上训练后冻结的患者世界模型，把不规则电子病历编码为状态—事件序列，并按仿真器请求的任意时间间隔给出预测，再通过场景专属映射接入共享床位与人员队列。在入院、护理派工和转出三类仿真中，它与按任务拟合的马尔可夫和半马尔可夫模型在容量与派工政策的方向性响应上一致，并复现了回放真实轨迹得到的派工收益。
急诊拥挤不再等爆表才启动扩容：提前六小时预测，超阈值时间最多降约两成
急诊科的全容量协议通常在拥挤阈值被突破后才启动，而调配走廊床位、临时护士和限制转入都需要准备时间。一项基于离散事件仿真的评估把预测未来六小时候诊人数的机器学习模型嵌入急诊流程，用预测值提前触发协议。在模拟的一年里，提前启动在三种阈值设置下都显著缩短了超过拥挤阈值的时间与协议平均持续时间，但对平均急诊停留时间和候诊时间的改善未达统计显著。
随机混合系统的仿真不再只处理离散选择：把时间不确定性离散化后，Q学习也能在连续模型上定出最优调度
随机混合系统的仿真此前只能处理离散的非确定性选择，一旦动作可在时间区间内任取，单个状态就有无穷多种选择。新方法把每个动作对应的时间区间分别离散化，用Q学习在有限抽象上学习调度，同时用预计算的符号可达状态引导仿真、按构造正确性剪掉不可达区域。在水箱基准上，仿真复现了已有方法给出的最大可达概率；在引入低概率下溢目标的水箱变体中，引导使学习明显快于无引导仿真，目标可达概率至少为45%。
不用GPU也能预演大模型服务：BLIS在CPU上跑完整流水线，4卡就守住300毫秒首字延迟
BLIS是一个纯CPU的确定性离散事件模拟器，把准入、路由、调度、预填充/解码执行、KV缓存管理和抢占整条大模型推理服务流水线一起模拟，在36组实验上端到端延迟中位误差6.7%，比真实执行快约200倍。
已读完全部报道