标签
这篇 arXiv 论文揭示了工具增强型医疗智能体中的“证据劫持”现象——静默的工具故障会将正确答案变为错误答案——并提出了 CIEG,一种独立于上下文的证据治理框架。该框架通过独立检查器,在工具输出传递给推理模块之前对其进行筛选,以更低的成本在医疗问答和医学影像任务上实现了当前最先进的准确率。
本文提出了 ARCagent,一种面向 ME/CFS 临床问答的自适应检索校准智能体,在该领域中诊断指南之间存在明显相互矛盾。论文贡献了一个具备冲突感知能力的检索重排序流水线以及一个 LLM-as-Judge 基准,达到了 95.3% 的准确率,优于基础大模型的表现。
LongMedBench 是一个新的基准测试,用于评估基于LLM的医疗智能体在长时程临床决策中的表现。它使用来自 MIMIC-IV 的真实电子健康记录数据,包含335名具有多次就诊记录的患者,并提出了针对事实问答、时序推理和长时程决策的评估套件。