元智能体监督下用于医疗多智能体推理的质疑感知知识引入

arXiv:2611.05393v1 公告类型：交叉收录 摘要：大语言模型在标准医疗问答任务中表现出色，但在更困难的推理任务中性能下降，而多智能体辩论往往无法超越采用强效提示策略的单模型。我们认为，一个关键局限在于，现有系统仅根据问题本身选择专家和检索知识，而不是依据推理过程中暴露的缺口。我们提出质疑感知的自适应引入机制：由外部 CHALLENGER 检查不断演进的推理轨迹，并识别具体的事实或专业知识缺口。这些信号会触发有针对性的知识检索，或在讨论中途引入专科专家。在 MEDAGENTSBENCH 的高难度子集（涵盖九个生物医学数据集的 862 道问题）上，预先检索带来的收益有限，而质疑感知的讨论间检索表现更好；在多专科专家骨干架构上，该机制在九个数据集中的八个上提高了准确率，并较 Challenger Only 提升了 6 个百分点。消融实验表明，检索时机和针对具体缺口的查询信号均有贡献；实时网络搜索实验则表明，这种时机优势在不同检索后端上依然存在。在专科专家引入方面，自触发的自适应机制并不可靠，而由 Challenger 触发的专家引入将 GPT-4.1-mini 在 MedQA 上的准确率从 46% 提升至 54%，并在所有用于泛化测试的数据集上均呈现正向效果。简单地结合检索与专科专家引入反而会降低性能，凸显了协调不同自适应干预渠道的必要性。这些结果表明，何时以及为何引入外部资源，是医疗多智能体推理中的关键设计选择。