首个医疗智能体递归自改进框架MedRSI发布
论文AI 评分 78/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
MedRSI是首个面向医疗领域的递归自改进框架，能让智能体从诊断失败中自主构建新能力。它引入两个机制：按临床后果严重度而非频率排错，以及快速发现与慢速注册分离，确保新工具在后续患者队列中验证有效后才被持久采纳。在青光眼、心脏病公开基准及两项私有临床任务上，该框架逐步发展出分割、测量、预测等能力，超越人工设计的智能体，并自主发现原设计者未预见的临床解法。代码已开源。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载医疗智能体自改进挑战
当前医疗智能体多将通用推理模型与专业临床工具结合，但其能力受限于部署前临床医生与工程师的预设设计。递归自改进范式允许智能体从自身失败中学习并自主扩展能力，但将其直接应用于医疗领域会带来根本性的安全挑战，因为错误的自主进化可能导致严重临床后果。MedRSI框架旨在解决这一矛盾，让智能体在临床对齐的约束下实现自我进化。
临床对齐的两大机制
为保障进化安全，MedRSI借鉴临床实践引入两个核心机制。一是临床代价感知的失败优先级机制，将改进方向导向潜在临床后果最严重的错误，而非仅按发生频率排序。二是快速发现与慢速注册分离机制，将快速的能力发明与保守的采纳过程解耦，新工具必须在后续患者队列中展现出持续益处后，才能进入持久智能体中，防止未经验证的能力直接上线。
实验表现与能力拓展
在公开的青光眼和心脏病基准测试以及两项私有临床任务中，MedRSI逐步发展出分割、测量、预测、多模态推理和生成能力。其表现超越了人工设计的医疗智能体，并自主发现了原设计者未预见的临床问题解法。这表明医疗智能体无需受限于部署前设定的能力，在临床接地气的机制管控下，能从诊断经验中持续构建、验证并积累新能力。代码已公开。
为什么值得看
突破医疗智能体部署后能力固化的限制，提供带安全约束的自主进化路径，对临床AI工程化极具参考价值。
智能体
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。