CoMMa 提出一种去中心化的 LLM 代理框架，专科医生在划分后的临床数据流上独立工作。框架不共享原始输入，而是通过数据分区实现更强的角色专精，并通过针对每个代理的微调提升性能。为了解释性协同，CoMMa 采用贡献感知聚合：用确定性的嵌入投影近似每个代理的边际效用，取代随机叙事推理，实现显式的信用分配和稳定的决策路径，满足临床可解释性要求。我们在多个肿瘤学基准上评估，包括北美和东亚大型学术医院的多学科肿瘤委员会真实数据以及公开数据集，结果显示在异构临床环境中具备强鲁棒性和泛化能力。
点评
CoMMa 提出一种去中心化的 LLM 代理框架，专科医生在划分后的临床数据流上独立工作。框架不共享原始输入，而是通过数据分区实现更强的角色专精，并通过针对每个代理的微调提升性能。为了解释性协同，CoMMa 采用贡献感知聚合：用确定性的嵌入投影近似每个代理的边际效用，取代随机叙事推理，实现显式的信用分配和稳定的决策路径，满足临床可解释性要求。我们在多个肿瘤学基准上评估，包括北美和东亚大型学术医院的多学科肿瘤委员会真实数据以及公开数据集，结果显示在异构临床环境中具备强鲁棒性和泛化能力。
点评