单一专家组并不通用：面向临床预测的病例自适应多智能体商议

应用于临床预测的大语言模型表现出病例层面的异质性：简单病例产生一致的输出，而复杂病例在细微的提示变化下产生分歧的预测。现有单智能体策略从单一角色条件化分布中采样，多智能体框架则使用固定角色加扁平多数投票，丢弃了分歧中蕴含的诊断信号。我们提出CAMP（Case-Adaptive Multi-agent Panel），由主治医师智能体根据每个病例的诊断不确定性动态组建专科专家组。每位专科医生通过三值投票（KEEP/REFUSE/NEUTRAL）评估候选方案，从而能在自身专长之外有原则地弃权。混合路由器将每项诊断导向三种路径：强共识、回退到主治医师的判断，或以论证质量而非票数为准的基于证据的仲裁。在基于MIMIC-IV的诊断预测与简短住院病程生成任务上、跨四个LLM骨干，CAMP持续优于强基线，同时消耗的token少于多数竞争性多智能体方法，投票记录与仲裁轨迹提供了透明的决策审计。