REFLECTOOL: Towards Reflection-Aware Tool-Augmented Clinical Agents
问题
- 和reflection有关系吗？是他的改进吗？
REFLECTOOL：迈向具备反思能力的工具增强型临床智能体
摘要
大型语言模型（LLMs）在医疗领域展现出巨大潜力，能够协助生成临床记录和患者沟通等任务。然而，目前的LLMs仅限于文本交互，限制了其在临床环境中处理多样化信息形式的能力。尽管已有临床智能体在特定信号交互方面取得成功，但它们通常针对单一临床场景，难以适用于更广泛的应用。为全面评估临床智能体的能力，我们提出了== ClinicalAgent Bench（CAB），一个涵盖五大临床关键维度的综合性医疗智能体评估基准，共包含18项任务。在此基础上，我们引入了 REFLECTOOL，一个新颖的框架，擅长在两个阶段中利用领域特定工具。第一阶段为优化阶段==，通过保存预定义训练集中成功解决问题的过程和工具使用经验，逐步扩展长期记忆。在随后的推理阶段，REFLECTOOL 可从已建立的长期记忆中检索支持性的成功案例，以指导工具选择策略，并通过两种验证方法——迭代优化和候选选择——根据工具使用经验提升工具使用效果。在CAB上的大量实验表明，REFLECTOOL 相比纯LLMs提升了超过10分，相比已有智能体方法提升了3分，展现了其在解决复杂临床任务中的适应性和有效性。我们的代码和数据集已开源：https://github.com/BlueZeros/ReflecTool。
作者团队：
Yusheng Liao（上海交通大学）
Shuyang Jiang（复旦大学）
Yanfeng Wang（上海交通大学）
Yu Wang（上海交通大学，通讯作者）
发表信息：
会议：第63届计算语言学协会年会（ACL 2025）
时间：2025年7月27日至8月1日
论文页码：13507–13531
出版方：Association for Computational Linguistics