跳到正文
热点事件持续更新

Riccardo Riccio 等提出医疗多智能体挑战感知知识招募方法

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Riccardo Riccio 等人在 arXiv 发布研究，提出挑战感知自适应知识招募机制。该机制引入外部 Challenger，通过识别多智能体推理轨迹中的知识缺口，动态触发检索或招募专家。研究聚焦于医疗多智能体推理场景，旨在解决传统预先检索在复杂任务中效果有限的问题。在包含 862 道问题的 MEDAGENTSBENCH 硬子集上，挑战感知中途检索优于预先检索，该机制提升了 8/9 个数据集的准确率，相比纯 Challenger 基线提高 6 个百分点。在 GPT-4.1-mini 处理的 MedQA 任务中，Challenger 触发的专家招募将准确率从 46% 提升至 54%，消融实验证实了缺口查询信号与检索时机的共同收益。

AI 根据报道生成 · 7 小时前更新

最新进展11月5日 13:00
面向医疗多智能体推理的挑战感知知识招募

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. arXiv · NLP
    面向医疗多智能体推理的挑战感知知识招募

    提出挑战感知自适应招募机制，通过外部Challenger识别推理轨迹中的知识缺口，触发检索或招募专家。在MEDAGENTSBENCH硬子集上，该机制提升8/9数据集准确率，相比纯Challenger基线提高6个百分点。 消融实验显示，针对缺口的查询信号和检索时机共同带来收益；在GPT-4.1-mini MedQA任务中，Challenger触发的专家招募将准确率从46%提升至54%。

本事件热度走势

可比范围当前
8
可比范围峰值
911月5日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。