ArogyaSutra：面向印度语言的多模态医疗推理多智能体框架

多模态大语言模型在通用领域表现优异，但在医疗等专业场景及多语言低资源环境下受限。为解决印度农村地区患者使用本土语言及多模态输入（如医学影像）进行复杂医疗咨询的难题，本文构建了大规模多语言多模态医疗问答数据集 ArogyaBodha。同时，提出 ArogyaSutra，一种基于演员 - 评论家的多智能体框架，整合工具接地与双重记忆机制，实现逐步感知推理的决策，并利用存储的模拟轨迹进行蒸馏。实验表明，该框架显著提升了多种印度语言的医疗推理准确率。