面向医疗问答的自适应记忆与反思多智能体系统

准确且负责任的医疗问答（QA）在医疗保健中十分重要，复杂病例既需要事实性知识，也需要细致的推理。现有医疗QA系统通常基于单智能体架构与静态检索，往往缺乏适应性、持久记忆和结构化决策。本工作提出自适应记忆与反思（AMR）智能体系统，这是一个多智能体框架，其中各专用智能体利用专用记忆和基于反思的反馈来检索相关历史病例并改进后续推理。复杂度评估将问题路由到单人、协作或升级工作流，共识与伦理监督模块支持推理整合与输出审查。在MedQA和MedMCQA上的评估显示，其表现相对多个基线强劲。消融研究表明，组合智能体专用记忆、反思与外部检索带来最强性能。这些发现凸显了结构化记忆与反馈对开发更可信赖医疗智能体的潜力。源代码已在 https://github.com/mm-air/AMR-Agent 公开。