近日，中國科學院合肥物質科學研究院研究員丁增輝聯合華南理工大學教授靳戰鵬團隊，提出一種醫療大模型智能體決策框架FRAME (Feedback-Refined Agent Methodology)。相關研究工作被第63屆國際計算語言學年會ACL錄用，博士生張一鳴與余承章為論文共同第一作者。
探尋新的醫療洞見和決策方法是輔助醫學研究的前沿熱點，大語言模型的快速發展為該領域研究提供了重大機遇，但在知識整合與質量保證方面仍面臨嚴峻挑戰。
研究團隊提出的FRAME框架，旨在通過迭代式優化和結構化反饋來提升醫學洞見性能。該方法包含三大核心創新：一是構建結構化數據集。通過迭代優化，將醫學文獻分解為核心研究要素，構建精細化數據集；二是搭建“生成-評估-反思”三方智能體架構。集成了生成、評估和反思智能體，通過指標驅動的反饋循環，逐步提升內容質量；三是形成綜合評估體系，結合了統計學指標與人工基準，對生成內容進行全方位評測。
對比實驗結果顯示，相較于傳統方法，FRAME框架在運用多種大語言模型提升醫學洞見性能方面效果顯著，在DeepSeek V3上平均提升9.91%，在GPT-4o Mini上也取得了同等級別的改進。同時，人工評估也證實了利用FRAME智能生成的醫療決策質量已能媲美人類水平，尤其在凝練未來研究方向方面表現突出。相關研究成果表明，所構建的FRAME框架，能夠自動生成高標準的醫學研究方案，高效輔助醫學研究。
據悉，國際計算語言學年會（ACL）是計算語言學與自然語言處理領域的頂級國際會議，由國際計算語言學協會主辦，每年舉辦一次，是中國計算機學會推薦的CCF-A類國際學術會議。
