多智能体同行评审推理提升医学问答

Zaifu Zhan、Shuang Zhou、Rui Zhang 等研究者提出多智能体同行评审推理方法：五个大语言模型各自生成医学问答的思维链推理与候选答案，再互相当作同行评审、从事实正确性和逻辑合理性打分，选最高分推理链生成最终答案。基于论文摘要，在 HeadQA、MedQA-USMLE 和 PubMedQA 三个基准上，最佳模型组合平均准确率 0.820，高于最强单模型的 0.777 和思维链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。 所用模型为 Llama-3.1-8B、Qwen2.5-7B、Phi-4、DeepSeek-LLM-7B 和 GPT-oss-20B，比较基线是单模型思维链推理和基于思维链的多数投票。以上数字来自论文摘要，为作者报告的结果，尚未见独立复现。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。