论文页面 - ArogyaSutra：面向印度语言的多模态医疗推理的多智能体框架

来源：https://huggingface.co/papers/2606.13572

摘要

ArogyaBodha数据集和ArogyaSutra框架通过多样化数据集成与演员-评论家多智能体推理，增强了低资源环境下的多语言医疗推理能力。

多模态大语言模型（https://huggingface.co/papers?q=Multimodal%20Large%20Language%20Models）在通用领域展现出有前景的推理能力，但在医疗等专业场景中性能仍然有限，尤其是在多语言和低资源场景（https://huggingface.co/papers?q=low-resource%20scenarios）下。这一差距在印度农村等地区尤为关键，患者通常用本地印度语言表达复杂的医疗问题，并依赖医疗图像等多模态输入。现有以英语为中心的多模态大语言模型难以支持此类用例，限制了AI驱动的医疗辅助的公平访问。为应对这一挑战，我们引入了ArogyaBodha，这是一个大规模多语言多模态医疗问答数据集，由八个异构来源构建，涵盖31个身体系统、六种成像模态和21个临床领域，覆盖英语和七种主要印度语言。我们进一步提出了ArogyaSutra，一个基于演员-评论家的多智能体框架，该框架将工具基础（https://huggingface.co/papers?q=tool%20grounding）与双记忆机制（https://huggingface.co/papers?q=dual-memory%20mechanisms）相结合，实现逐步的、推理感知的决策，并使用存储的演员-评论家模拟轨迹进行蒸馏（https://huggingface.co/papers?q=distillation）。实验表明，我们的数据集和框架提高了所有印度语言的多语言医疗推理（https://huggingface.co/papers?q=multilingual%20medical%20reasoning）准确性，消融实验验证了每个组件的贡献。源代码和数据集见：https://iitp-cse.github.io/ ArogyaSutra/

查看 arXiv 页面（https://arxiv.org/abs/2606.13572） 查看 PDF（https://arxiv.org/pdf/2606.13572） 添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.13572）

在您的代理中获取这篇论文：

hf papers read 2606.13572

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2606.13572 即可从此页面链接。

引用该论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2606.13572 即可从此页面链接。

引用该论文的 Spaces0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2606.13572 即可从此页面链接。

包含该论文的收藏夹0

没有收藏夹包含此论文

将这篇论文添加到收藏夹（https://huggingface.co/new-collection）以从此页面链接。