新闻
GraphDx：用于顺序诊断的成本感知知识增强多代理框架
1 分钟阅读
来源：arXiv AI
arXiv:2607.15280v1 公告类型：新 摘要：顺序诊断需要通过迭代信息收集来平衡诊断准确性和资源成本。现有的大型语言模型（LLM）方法表现出严重的知识推理差距：尽管编码了广泛的医学知识，但它们在成本限制下难以系统地推理，常常诉诸过度的测试。我们提出了 GraphDx，这是一个具有两项核心创新的知识增强框架。首先，我们设计了一个自动化管道，利用法学硕士构建具有量化典型性、以行动为中心的拓扑和诊断的双目标属性的医学诊断知识图（MDKG）