面向快速医疗互操作资源（FHIR）中工具调用代理的强化学习研究

本文针对 FHIR 标准下医疗数据交互的复杂性，研究了代理在执行多步推理、过滤及聚合任务时易选错资源或违反约束的问题。作者将 FHIR 推理建模为结构化图上的序列决策问题，构建了 FHIR-AgentBench 基准，并实现了一个多轮 CodeAct 代理。通过利用自定义环境与工具进行强化学习后训练，并结合基于执行结果的奖励机制，该方法显著提升了性能。实验表明，相较于提示工程基线，RL 后训练在确保数据完整性的同时，将较小模型的回答正确率从 50% 提升至 77%，提供了一套可靠的端到端训练流程。