CASE 医疗 Agent 自主查证据：超 GPT-5.4 达 16%

CASE-Bench · hf · 2026-10-12

Durham 大学与阿里达摩院等提出 CASE，一组分工明确的临床证据搜寻 agent，配套工具调用框架和面向小型视觉语言模型的 agentic 后训练方法。基于 UK Biobank 构建纵向多模态基准：来自 4739 名参与者真实 ICD-10 诊断的 50401 道临床题，每题挂载包含临床上下文和基线/随访多序列 MRI 的患者环境，agent 自主选择查看哪些访视、器官、模态、切片与专科工具。训练上先用 14734 条前沿模型轨迹做 SFT，再在自身环境交互上做 agentic RL，配合特权在策略自蒸馏和基于 rubric 的 LLM 反馈。匹配评测条件下，基于 Qwen3-VL-8B 的 agent 答题准确率相对 GPT-5.4 和 Claude Opus 4.8 分别提升超 16% 和 10%。代码将开源。