每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

DDO：基于 LLM 的医疗咨询的多智能体协作双决策优化

Created by
  • Haebom

作者

贾志豪、贾明义、段俊文、王建新

大纲

大规模语言模型 (LLM) 非常适合医疗咨询 (MC) 等复杂的决策任务。然而，现有的基于 LLM 的方法未能充分捕捉症状询问（顺序决策）和疾病诊断（分类）的双重特性。为了解决这个问题，本文提出了一种基于 LLM 的新型框架——双决策优化 (DDO)，它将两个子任务分离，并通过协作式多智能体工作流针对不同目标进行优化。在三个真实 MC 数据集上的实验结果表明，DDO 的性能优于现有的基于 LLM 的方法，并与最先进的生成式方法相比，达到了相当的竞争力。

Takeaways, Limitations

•
Takeaways：
◦
提出了一种新框架来分离症状询问和疾病诊断，以提高 LLM 在 MC 任务中的表现。
◦
通过单独优化和协作两个子任务的多代理工作流实现有效的性能。
◦
与三个真实世界的 MC 数据集上的现有方法相比，表现出卓越的性能。
•
Limitations：
◦
论文中没有直接提到 Limitations（但摘要中也没有具体的 Limitations 描述）
👍
Made with Slashpage