RubricsTree：跨健康记忆与医疗技能的可扩展且进化的开放式个人健康智能体评估

针对大语言模型驱动的个人健康智能体在临床部署中面临的评估瓶颈，本文提出 RubricsTree 框架。该框架包含由专家对齐的层级化评分标准体系，并通过人机协作协议从真实用户查询中迭代进化。利用上下文感知路由机制，RubricsTree 实现了可扩展且高质量的自动化评估。实验表明，该方法在专家一致性上显著优于基线，并能作为结构化指令或训练奖励，使主流模型在健康基准测试中的性能提升高达 66%，为产品级医疗 AI 的持续优化提供了可审计的基础设施。