面向开放式照护计划协调的自适应竞技场与可质疑论证专家网络

护理计划协调需要整合来自多个专业领域的异质临床、功能和社会心理信息。由于单一的大语言模型管道无法在透明或安全的情况下进行，我们提出了CANOE（Contestable Argumentative Network-of-Experts），这是一个多智能体神经符号框架，通过五个模块来解决这些问题：复杂性评估、自适应团队招募、基于Arena的定量双极论辩框架（A-QBAF）中的角色基础论辩计算以及人类介入的竞赛。角色特化的代理为候选干预生成支持和攻击性的论点；冲突在 Arena 中通过碰撞解决后，接受度分数才会在整个论辩图中传播。护理计划制定者可以接受、拒绝、编辑或添加论点，并且框架将确定性地重新计算最终方案。使用ROUGE-L、AlignScore、MEDCON F1、FKGL和LLM-as-a-judge在Discharge Me!和MedicalRAG上的评估表明，经过医学微调的模型在临床正确性和安全性方面表现最强，而CANOE的论辩结构则提供了忠实的解释和人类竞赛性。