让大语言模型互评：用于医学问答的多智能体同行评审推理

目的：提升大语言模型在医学问答中的准确性、可解释性与鲁棒性。方法：设计多智能体同行评审推理框架，多个智能体独立生成思维链及候选答案，并互为评审员评估事实正确性与逻辑严密性，最终选取最高评分推理链作为答案。在三个基准数据集上的实验表明，该方法优于单模型思维链及多数投票基线。结论：该机制使模型兼具求解者与评估者角色，通过强调推理质量显著改善性能，为可信生物医学 AI 提供新方向。