English(EN) Real-World Doctor Agent with Proactive Consultation through Multi-Agent Reinforcement Learning

AI医生智能体利用强化学习进行主动医疗咨询

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-01 04:00

研究人员开发了DoctorAgent-RL，一个新颖的多智能体强化学习框架，旨在提高AI在真实临床咨询中的能力。该系统训练了一个医生智能体，利用Qwen2.5-7B-Instruct模型，通过战略性提问主动收集患者信息，而不是依赖静态的单轮交互。评估，包括盲人评估和与真实患者的试验，表明DoctorAgent-RL实现了70%的精确诊断匹配率，优于现有的前沿模型。 AI

影响该AI智能体可以通过处理初步的患者筛查来缓解医生短缺并降低误诊风险。

排序理由这是一篇研究论文，详细介绍了一个特定领域AI智能体的新框架和数据集。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yichun Feng, Jiawei Wang, Lu Zhou, Yikai Zheng, Zhen Lei, Yixue Li · 2026-05-01 04:00

Real-World Doctor Agent with Proactive Consultation through Multi-Agent Reinforcement Learning

arXiv:2505.19630v4 Announce Type: replace Abstract: Large language models (LLMs) struggle in real-world clinical consultations. Single-turn consultation systems require patients to describe all symptoms at once, which often leads to unclear complaints and vague diagnoses. Traditi…

报道来源 [1]

Real-World Doctor Agent with Proactive Consultation through Multi-Agent Reinforcement Learning

相关实体

相关话题