WEQA：带查询自适应智能体推理的可穿戴健康问答

语言模型在医疗问答上能力卓越——某些案例超越全科医生准确率。但回答关于可穿戴健康数据的问题仍然困难且少被研究——因为这些无处不在的传感器产生连续、高维、纵向的数据——与LLM预训练中以文本为中心的分布对齐并非易事。传感器模态与用户意图的多样性无法由固定推理工作流或单一预训练基础模型有效处理。为应对这些挑战——我们提出WEQA——统一LLM推理与专门可穿戴分析及建模工具的查询自适应智能体框架。LLM控制器负责综合执行计划——把每个查询动态路由到合适的传感器分析与预训练模型组合——并以外部知识执行锚定的响应审计。我们还策展了横跨四个开放可穿戴数据集、覆盖三个健康域的分析与预测任务的基准。实验表明我们的框架较LLM与智能体基线准确率高24%——12名医学专家与8名用户的盲评显示有用性与临床稳健性大幅提升。