arXiv cs.AI· Yunqi Zhu, Wen Tang, Jinghao Niu, Wensheng Zhang, Xuebing Yang·· 2 天前AI 评分27
MedTraj：面向医疗智能体的临床推理轨迹构建与评估框架
Constructing and Evaluating Clinical Reasoning Trajectories for Medical Agent
AI 导读
研究提出 MedTraj 框架，将医疗 AI 智能体的推理轨迹作为构建、评估与优化对象，把多步临床推理链解析为临床观察、证据、编号推理步骤与结论，并从连贯性、证据支持、幻觉、完整性、可追溯性五个维度打分。
正文 · AI 翻译
摘要：对医疗人工智能智能体的评估仍然以答案为中心，仅评估最终输出的正确性，而忽视了中间推理的质量。然而在临床环境中，通过捏造证据或不连贯逻辑得出的正确答案与错误答案同样危险。我们提出 MedTraj，一个将推理轨迹视为构建、评估和优化关键对象的框架。该流程从医学诊断来源生成结构化的多步临床推理链。每条轨迹随后被解析为临床观察、证据、编号推理步骤和最终结论，并在五个质量维度上进行评分：连贯性、证据支持、幻觉、完整性和可追溯性。受控错误注入将针对性故障引入原本正确的轨迹，以建立特定推理失败与可测量质量下降之间的因果联系。在此基础上，基于边际贡献的步骤级过滤可识别哪些单个推理步骤提升或削弱轨迹质量。最后，质量加权上下文学习在推理时将轨迹评估反馈给模型，使其能够从强推理和弱推理示范中学习。在 CareQA、PubMedQA 和 CECMed 上的实验表明，轨迹上下文持续提升推理连贯性，相较零样本基线提升 +0.029 至 +0.041。在 CECMed 严重程度评估任务上，质量加权上下文相较零样本基线几乎将正确性翻倍，同时将幻觉率降低 87%。边际贡献分析进一步表明，少数（15.3%）推理步骤承载了大部分质量信号，且将链延长至超过四步会产生递减收益。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.05090 [cs.AI] |
| （或 arXiv:2609.05090v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.05090 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yunqi Zhu [查看电子邮件]
[v1]
2026年9月4日星期五 12:44:10 UTC（2,773 KB）
[v2]
2026年10月15日星期四 06:31:38 UTC（8,404 KB）
来源：arXiv cs.AI · arxiv.org