XrayClaw：合作竞争多智能体对齐，实现值得信赖的胸部 X 射线诊断

胸部 X 射线 (CXR) 判读是一项基本但复杂的临床任务，越来越依赖人工智能来实现自动化。然而，传统的整体模型往往缺乏可信诊断所需的细致推理，经常导致逻辑不一致和诊断幻觉。虽然多代理系统通过模拟协作协商提供了潜在的解决方案，但现有框架在由单个底层模型实例化时仍然容易受到基于共识的错误的影响。本文介绍了 XrayClaw，这是一种新颖的框架，可通过复杂的合作竞争架构实现多智能体对齐。 XrayClaw 集成了四个专门的合作代理来模拟系统的临床工作流程，以及一个充当独立审核员的竞争代理。为了协调这些不同的诊断途径，我们提出了竞争偏好优化，这是一个学习目标，通过强制分析性解释和整体性解释之间的相互验证来惩罚不合逻辑的推理。对 MS-CXR-T、MIMIC-CXR 和 CheXbench 基准的广泛实证评估表明，XrayClaw 在诊断准确性、临床推理保真度和零样本域泛化方面实现了最先进的性能。我们的结果表明，XrayClaw 有效地减轻了累积幻觉并提高了自动化 CXR 诊断的整体可靠性，为值得信赖的医学成像分析建立了新的范例。