MedCache：纵向临床代理的高效且临时有效的内存

纵向临床智能体必须根据分布在就诊、时间点和专业的证据来维持不断变化的患者状态。然而，如何针对这种设置设计代理内存仍不清楚。我们引入了多次访问、多专业患者记录的基准，用于评估长上下文证据检索、跨时间证据聚合和跨专业临床推理。使用这个基准，我们系统地研究了四种记忆设计选择：管理、组织、检索和记忆增强推理。我们发现时间有效性比简单地保留更多历史更重要；专业分解记忆减少了背景，但可以隐藏共享证据；当专家必须一起推理时，多个代理可以提供帮助，而不仅仅是当证据来自多个记忆时。在这些发现的指导下，我们提出了 \textit{MedCache}，这是一种混合框架，可以构建暂时有效的患者记忆，将证据组织成重叠的专业视图，将每个查询路由到相关记忆，并自适应地调用一个或多个专家。实验表明，与强大的单代理和多代理基线相比，MedCache 提高了推理准确性和内存效率，同时跨模型主干和外部数据集进行了泛化。