ClinVerse：讓醫療Agent走進真實臨床

從答題到問診

在MedQA等醫學基準上得分頗高的模型，實際接診時往往只被動回答預設問題。真實診療要求Agent主動判斷下一步該問甚麼、安排哪些檢查，並隨病人反饋調整策略，這正是ClinVerse要填補的能力缺口。

環境設計原理

ClinVerse以真實電子健康記錄為數據底座，整合多源醫學知識與臨床指南，並以動態推理鏈模擬醫生的診療邏輯。環境支持多智能體協作，患者、醫生與評測角色可分開運作，令診斷過程既可執行也可量化評分。

在這種設計下，Agent需要反覆發起問診、下達檢查指令並依結果收窄鑑別範圍，診斷路徑與可解釋性一併納入評分，避免只以最終答案論成敗。

自進化訓練

環境不僅用於評測，也支持Agent在多輪交互中累積經驗並自我改進。模型可反覆進入病例完成診斷，再按過程與結果的雙重反饋調整策略，形成訓練閉環，為臨床場景的持續優化提供途徑。

實驗與開放

實驗顯示，ClinVerse在多項臨床推理任務中優於現有基線模型，診斷準確性與可解釋性均有提升，顯示出更強的臨床適應性。項目已開放代碼、演示系統與技術說明，方便研究者復現與拓展，論文亦已公開。