摘要
针对现有医疗视觉问答基准将模型能力简化为单一准确率分数的局限，本文提出 DeepTumorVQA，一个遵循肿瘤诊断多阶段证据链的分层基准。该基准将 3D CT 推理分解为识别、测量、视觉推理和医疗推理四个阶段，并提供包含分割模型、测量程序及医疗知识模块的工具交互环境以评估智能体。实验表明，可靠的定量测量是主要瓶颈，而工具增强能显著缓解此问题。此外，利用基准提供的真实逐步工具使用轨迹监督智能体，可有效减少工具使用和推理失败，为未来研究提供具体路线图。
AI 推荐理由
论文核心评估 Agent 调用分割、测量等外部工具的能力，工具增强是解决推理瓶颈的关键。
研究机构
Center for Biomolecular Nanotechnologies, Istituto Italiano di Tecnologia
University of Bologna
The First Affiliated Hospital, Sun Yat-Sen University
Tongji University
Johns Hopkins University
论文信息