摘要
临床诊断需要在信息不全时灵活运用多种推理范式。现有基于大语言模型的医疗代理虽具备较强推理能力，但单范式或简单混合的监督方式导致学习干扰。本文提出 PACT 框架，结合监督式多范式对话合成与基于共识的分支训练。数据层面，利用完整电子病历进行质量控制，同时限制医生代理仅使用患者可见信息，生成四种诊断推理范式下的验证对话。训练层面，为每种范式训练专用 LoRA 分支，并定期通过符号共识聚合至共享锚点。实验表明，PACT 在诊断结果与会话过程指标上均达到最先进水平。
AI 推荐理由
论文核心在于通过多范式合成与共识训练提升医疗诊断中的推理能力，解决单一范式干扰问题。
研究机构
Beihang University
Baidu
ByteDance
Beijing Academy of Blockchain and Edge Computing
Renmin University of China
论文信息