PRISM：用信念估计应对在线问诊中的状态突变

PRISM用信念估计解耦状态推断与动作选择，作者报告临床决策准确率提升22.40个百分点。

资讯摘要

论文针对在线医疗问诊中患者主动披露与话题切换导致临床状态逐步显现的问题，基于16个医疗对话数据集发现真实在线交互的上下文连续性与可预测性低于离线及模拟基准。作者提出PRISM框架，借鉴部分可观测马尔可夫决策过程，将临床分诊分解为信念估计、策略优化与回复生成，并以最大后验状态指导动作选择。作者报告其在临床决策准确率上较前沿LLM与临床智能体提升22.40个百分点，BERTScore_F1超过最强基线5.51分。

要点速读

1. 论文在16个医疗对话数据集上比较，称真实在线交互的上下文连续性更低、不可预测性更高。
2. PRISM将临床分诊分解为信念估计、策略优化和回复生成，维护对问诊状态的演化后验信念。
3. 作者报告临床决策准确率提升22.40个百分点，BERTScore_F1较最强基线高5.51分；消融显示提供oracle状态可使各基线平均提升5.58分。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。