用于医学多智能体推理的具有元智能体监督的挑战感知知识招募

arXiv:2611.05393v1 公告类型：新摘要：大型语言模型在标准医学 QA 上表现强劲，但在较难的推理任务上性能下降，其中多智能体辩论通常无法击败强大的单模型提示。我们认为，一个关键的限制是现有系统选择专家并仅从问题中检索知识，而不是从推理过程中出现的差距中检索知识。我们提出具有挑战意识的适应性招聘：外部挑战者检查不断变化的推理轨迹并识别特定的事实或专业知识差距。这些信号触发有针对性的知识检索或讨论中的专家招募。在 MEDAGENTSBENCH 硬子集（跨 9 个生物医学数据集的 862 个问题）上，前期检索几乎没有什么好处，而具有挑战意识的中间检索表现更好；在多专家主干上，它提高了 9 个数据集中 8 个数据集的准确性，并比仅挑战者增加了 6 个百分点。消融表明检索计时和特定间隙查询信号的好处，并且实时网络搜索实验表明计时优势在检索后端中持续存在。对于专家招募，自我触发的适应是不可靠的，而挑战者触发的招募将 GPT-4.1-mini MedQA 的准确性从 46% 提高到 54%，并且在所有测试的泛化数据集上都有积极的方向。天真地结合检索和专家招募会降低绩效，这凸显了协调适应性干预渠道的必要性。这些结果表明，何时以及为何招募外部资源是多智能体医学推理中的关键设计选择。