论文arxiv cs.AI · 1w ago重要
GraphDx: A Cost-Aware Knowledge-Enhanced Multi-Agent Framework for Sequential Diagnosis
分类释义：学术论文 / 技术报告
TL;DR
GraphDx 通过构建医疗诊断知识图谱（MDKG）和三代理协作架构（Perception/Reasoning/Decision），在 MedQA 和 MIMIC-IV 数据集上将诊断成功率从 50-68% 提升至 79-93%，同时降低测试成本 20-54%。
关键要点
- 01GraphDx 通过构建医疗诊断知识图谱（MDKG）和三代理协作架构（Perception/Reasoning/Decision）。
- 02在 MedQA 和 MIMIC-IV 数据集上将诊断成功率从 50-68% 提升至 79-93%。
- 03同时降低测试成本 20-54%。
为什么值得关注
GraphDx 展示了将知识图谱推理与多代理协作分离的架构——Reasoning Agent 做确定性证据评分和成本规划，Perception/Decision Agent 处理语言输入输出。工程师可借鉴「知识图谱驱动+成本感知」模式，设计其他需要平衡效果与资源消耗的 Agent 系统（如安全审计、代码审查、供应链决策）。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估团队是否需要引入知识图谱+多代理架构，用于需要平衡效果与成本的关键业务场景 |
| 应用工程师 | 参考 Reasoning Agent 的成本感知设计模式，梳理现有业务中是否可复用「证据评分+资源规划」分离逻辑 |
| 运维 / 平台 | 暂无直接影响，了解即可 |
| 产品 / 业务 | 评估将诊断成功率提升 20%+ 的能力是否可转化为产品差异化卖点（如医疗问诊、风险评估类产品） |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5