定制型和模板型网站网站规范建设情况

定制型和模板型网站,网站规范建设情况,柳江网站开发,山水人家装饰公司【论文笔记•#xff08;多智能体#xff09;】A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making 1 一句话总结 本文提出KAMAC#xff08;知识驱动的自适应多智能体协作框架#xff09;#xff0c;旨在解决现有大语言模型多智能体】A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making1 一句话总结本文提出KAMAC知识驱动的自适应多智能体协作框架旨在解决现有大语言模型LLMs多智能体协作在医疗决策中存在的静态预分配角色局限通过初始咨询、知识驱动协作讨论动态检测知识缺口并招募专家和最终决策三阶段实现灵活可扩展的跨专科协作在 MedQA 和 Progn-VQA 两大医疗基准数据集上KAMAC 基于 GPT-4.1-mini 和 DeepSeek-R1 模型在准确率Acc、精确率Prec等四项核心指标上显著优于单智能体和先进多智能体方法如 MDAgents尤其在癌症预后等复杂临床场景中表现突出且平均专家招募数量比 MDAgents 低 53%-56%兼具高准确性与成本效益。2 论文基本信息单位穆罕默德·本·扎耶德人工智能大学会议EMNLP 2025 Main⏰阅读时间2025.12.14️论文地址A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making - ACL Anthology代码XiaoXiao-Woo/KAMAC: A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making3 研究的核心问题和背景医疗决策特性诊断、预后等临床任务需整合多专科知识传统依赖多学科团队MDTs而 LLMs 凭借强推理能力在医疗决策中展现潜力。现有技术瓶颈单智能体难以覆盖复杂跨专科知识多智能体协作如 MDAgents、多数投票采用静态预分配角色无法动态检测知识缺口KG协作易陷入孤立观点堆砌适配性不足。研究目标提出自适应多智能体框架实现专家团队动态扩展提升医疗决策的准确性与灵活性。4 框架及具体实现如上图所示框架主要包含三个阶段总结如下表所示4.1 初始咨询在此阶段会给一个临床问题 QKAMAC 首先从一个预定义的专家库中招募一个或多个专家代理‍⚕️来执行初始查询。每个代理有不同的临床角色这有提示词P 1 P_{1}P1​设置。然后由提示词P 2 P_{2}P2​来指示专家代理独立分析问题产生诊断意见或治疗建议。4.2 知识驱动协作讨论专家代理之间进行多轮讨论每轮讨论开始时专家交换他们的观点使用代理交互提示P 3 P_{3}P3​让他们互相批评对方的回答逐步解决分歧。在每轮讨论结束时专家会被提示评估是否存在知识缺口knowledge gap如果有这种缺口那么会继续针对性的招募专家来解决发现的不足。新招募的代理接收当前讨论的上下文历史作为少样本学习输入并相应一开始的问题。在整个讨论的过程中所有的代理都通过提示词P 6 P_{6}P6​来更新各自的推理。整个过程一个持续到达到以下两个条件中的其中一个条件1️⃣通过使用提示词P 3 P_{3}P3​达成共识。2️⃣达到最大讨论次数。4.3 决策制定在最后阶段KAMAC调用一个调节代理(通常是一个通用的大型语言模型)来生成最终决策。主持人接收代理的最新评论集和完整的讨论历史并通过决策提示合成响应(P 7 P_{7}P7​)。5 实验5.1 数据集1️⃣MedQA为医学选择题涵盖多科医疗知识使用测试集中的 1273 个样本。2️⃣Progn-VQA为医学视觉问答对头颈部癌症 CT 影像 结构化临床数据如 TNM 分期、治疗方案使用测试集中的 750 个样本。5.2 实验细节模型主要使用 GPT-4.1-mini温度 0确保确定性输出额外验证 DeepSeek-R1对比方法单智能体含 CoT、多数投票5 名专家、共识法、MDAgents问题驱动招募关键参数最大讨论轮数 R3初始专家数 1。5.3 评估指标5.4 实验结果1️⃣使用GPT-4.1mini 的结果2️⃣使用DeepSeek-R1和GPT-4.1-mini对MedQA和program - vqa进行基线和KAMAC在四个指标及其平均值上的性能比较3️⃣初始代理数量的设置比较这表明一开始就引入多个代理可能效果并不好会在早期引入重叠或不相关的视角从而增加后续决策中的冗余和噪声。