arXiv cs.CL· Mingzhe Lu, Xiangru Chen, Jian Qin, Yunpeng Li, Xihan Gao·· 10 小时前AI 评分31
PRISM：用信念估计应对在线医疗问诊中的状态突变
Accounting for Irregular State Transitions through Belief Estimation in Online Medical Consultation
AI 导读
研究者提出 PRISM（Policy Reasoning with Inferred States for Medicine），受部分可观测马尔可夫决策过程启发，将临床分诊拆分为信念估计、策略优化与回复生成，以应对患者主动披露和话题转移导致的对话轨迹漂移。
正文 · AI 翻译
摘要：尽管在线医疗咨询拓宽了就医渠道，但患者未经提示的主动披露与话题转移常常打断医生的问诊，使临床状态被逐步揭示。我们使用现有评估指标以及本工作设计的任务特定交互指标来刻画这些动态特征。通过对 16 个医疗对话数据集进行实证研究，我们表明真实的在线交互相比离线与模拟基准表现出显著更低的上下文连续性和更高的不可预测性。我们提出 PRISM（Policy Reasoning with Inferred States for Medicine，基于推断状态的医学策略推理），该框架受部分可观测马尔可夫决策过程启发，将潜在状态估计与动作选择解耦，以应对漂移的对话轨迹。具体而言，PRISM 将临床分诊分解为信念估计、策略优化和响应实现。通过在咨询状态上维护不断演化的后验信念，并以最大后验状态为条件进行动作选择，PRISM 在推进临床目标的同时适应患者发起的转移。大量评估表明，PRISM 显著优于前沿 LLM 和临床智能体，在临床决策准确率上提升 22.40 个百分点，并在响应生成方面取得决定性改进，在 BERTScore_F1 上超过最强基线 5.51 分。此外，消融研究表明，提供 oracle 咨询状态可通过引导其动作推理，在所有评估基线上持续提升响应质量，在 BERTScore_F1 上平均提升 5.58 分。
| 评论： | 12 页，2 张图，3 张表 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.01474 [cs.CL] |
| （或 arXiv:2611.01474v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01474 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mingzhe Lu [查看邮箱]
[v1]
2026 年 11 月 1 日星期日 03:05:59 UTC（359 KB）
来源：arXiv cs.CL · arxiv.org