arXiv cs.AI· Yihao Wang, Haoran Xu, Renjie Gu, Yixuan Ye, Xinyi Chen, Xinyu Mu, Yuan Gao, Chunxiao Guo, Peng Wei, Jinjie Gu, Huan Li, Ke Chen, Lidan Shou·· 9 天前AI 评分24
MedMemoryBench：面向个性化医疗智能体的记忆基准测试
MedMemoryBench: Benchmarking Agent Memory in Personalized Healthcare
AI 导读
研究者推出 MedMemoryBench，用于评测个性化医疗智能体在长期临床跟踪中的记忆能力，数据集包含约 2,000 个会话、16,000 轮交互。该基准采用"边构建边评估"的流式评测协议，并系统研究了信息持续涌入导致检索与推理鲁棒性下降的"记忆饱和"现象。测试显示主流架构在复杂医疗推理和噪声鲁棒性上存在严重瓶颈。
正文 · AI 翻译
作者：Yihao Wang、Haoran Xu、Renjie Gu、Yixuan Ye、Xinyi Chen、Xinyu Mu、Yuan Gao、Chunxiao Guo、Peng Wei、Jinjie Gu、Huan Li、Ke Chen、Lidan Shou
摘要：个性化医疗健康智能体的大规模部署，要求记忆机制具备极高的精确性、安全性，并能够进行长期临床追踪。然而，现有基准主要关注日常开放域对话，未能捕捉真实世界医疗应用中的高风险复杂性。受一个服务数千万活跃用户的行业领先健康管理智能体严苛生产需求的启发，我们提出了 MedMemoryBench。我们开发了一套人机协作流水线，基于临床依据充分的合成患者原型，合成高度逼真、长时程的医疗轨迹。该过程产出了一个经过专家验证的大规模数据集，包含约 2,000 个会话和 16,000 个交互轮次。至关重要的是，MedMemoryBench 通过开创“边构建边评估”的流式评估协议，摆脱了传统的静态评估方式，精确模拟了生产环境中的动态记忆累积。此外，我们形式化并系统性地研究了记忆饱和这一关键现象，即持续的信息涌入会主动削弱检索与推理的鲁棒性。全面的基准测试揭示了主流架构中的严重瓶颈，尤其是在复杂医疗推理和噪声鲁棒性方面。通过暴露这些根本性缺陷，MedMemoryBench 为开发稳健、可投入生产的医疗智能体奠定了重要基础。
| 主题： | 人工智能（cs.AI） |
| MSC 分类： | 68T07, 68T50 |
| ACM 分类： | I.2.7; I.2.1 |
| 引用为： | arXiv:2605.11814 [cs.AI] |
| （或 arXiv:2605.11814v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.11814 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Wang Yihao Cyan [查看邮箱]
[v1]
2026年5月12日星期二 09:06:40 UTC（16,341 KB）
[v2]
2026年10月8日星期四 02:51:38 UTC（16,344 KB）
来源：arXiv cs.AI · arxiv.org