arXiv · cs.AI· Zaifu Zhan, Shuang Zhou, Rui Zhang·· 3 小时前
大语言模型通过多智能体同行评审提升医学问答准确率
Let Large Language Models Judge Each Other: Multi-Agent Peer-Reviewed Reasoning for Medical Question Answering
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zaifu Zhan, Shuang Zhou, Rui Zhang
期刊信息（来源提供）：J Am Med Inform Assoc. 2026;33(9):1649-1659
研究任务与主要进展
研究者提出多智能体同行评审推理方法，让五个大语言模型分别生成医学问答推理链，再相互评审并选择得分最高的推理链生成最终答案。基于论文摘要，该方法在HeadQA、MedQA-USMLE和PubMedQA上的最佳组合平均准确率为0.820，高于最强单模型的0.777和多数投票集成的最高0.789；参与模型增多时性能也有所提升。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org