SMART-Med 将协作视为可学习的决策，而非默认行为。核心思想是并非所有医学查询都需要昂贵的多智能体推理；大多数可以由单一经过充分训练的智能体直接回答，只有在不确定的情况下才召集少数专家智能体。为此，系统引入不确定性驱动的路由机制，根据查询的置信度自适应选择直接输出或触发专家协作，从而把密集的多智能体推理转化为稀疏、查询感知的协调。为保证路由可靠性，作者构建了 MedVR-3K 数据集，包含高质量推理轨迹和难度层次，并使用 GRPO 对本地智能体进行微调，奖励包括基于置信度的准确性奖励和视觉语言奖励模型，分别提升答案正确率和推理质量。实验在 Slake、PathVQA、VQA‑RAD、PMC‑VQA 四个医学视觉问答基准上进行，SMART‑Med 在保持竞争性能的同时，将推理时间缩短超过 3.8 倍，令牌使用降低 72%。在 MedVR‑3K 上微调后，整体提升约 6.7%。
点评