PathoSage：通过体验感知代理工作流程实现病理学中的多源证据裁决

arXiv:2606.07549v1 公告类型：新 摘要：多模态大语言模型 (MLLM) 和代理工作流程的最新进展已显示出计算病理学的强大前景，但可靠的补丁级推理仍然具有挑战性。端到端病理学 MLLM 通常会产生形态特征的幻觉，而最近的代理系统通常将工具输出和检索到的知识合并到共享上下文中，从而使决策容易受到相互冲突的证据和上下文污染的影响。我们提出了 PathoSage，一个三阶段框架，明确区分了补丁级病理学多模态推理的知识检索、证据收集和证据判定。其核心组成部分“结构化证据审议”独立评估来自工具的异质证据，进行冲突分析，并在新的背景下生成最终判断，以减少锚定偏差。我们进一步引入了一种免训练的 Beta-Bernoulli 经验系统，该系统具有连续的信用分配功能，可以对长期工具可靠性进行建模，并为未来的工具使用构建相似性加权先验。实验表明，PathoSage 有效减轻了 VQA 幻觉和分类器分歧，优于强大的病理 MLLM 和代理基线。我们的结果强调了明确的证据裁决和可靠性意识工具建模是强大的病理学代理的关键要素。