PrivMeSA 是一种面向医学的隐私感知自进化多智能体系统。系统在本地部署的临床 LLM 代理在需要时向更强大的远程模型求助，但直接传输患者信息会泄露隐私。为此，PrivMeSA 将信息披露决策交给本地代理，并通过强化学习在任务准确率、直接披露风险以及基于登记册的再识别风险之间进行权衡。隐私评估覆盖每次会话的完整输出记录。远程专家可以请求额外信息，本地代理在必要时提供，但会先检索本地“课程记忆”，该记忆从已完成的会话中提炼出通用临床指导，并在后续相似病例中复用，从而避免再次向远程模型发送敏感数据。课程记忆随时间增长，无需额外的结果标签或模型参数更新。在基于 MIMIC‑IV‑ED 的急诊室基准上，PrivMeSA 将平均任务准确率提升至比单纯委托高 15.8 个百分点，同时将个人细节披露率从 98.0% 降至 0.2%，将患者可被缩小至十人或更少的登记册匹配率从 74% 降至 0%。
点评