HealthJev 用轻量门控模型筛选经验，实现可治理的纵向健康记忆。
资讯摘要
论文提出开源智能体 HealthJev，将共享安全规则与医学知识同私有纵向记忆分离，并从已完成病例中提炼经验。为在错误经验影响未来行为前将其过滤，作者自训练轻量模型 JevGate 决定哪些经验进入记忆，每次决策中位耗时 86 毫秒、约 1000 输入 token。基于 MIMIC-IV 真实轨迹构建的 20 名用户 90 天模拟交互基准上，HealthJev 优于无记忆 ReAct 智能体和三个记忆增强框架，所有配对比较均显著。
要点速读
- HealthJev 将共享安全规则与医学知识同私有纵向记忆分离，并从已完成病例中提炼经验。
- JevGate 为自训练的轻量 System-One 模型，用于筛选进入记忆的经验，每次决策中位耗时 86 毫秒、约 1000 输入 token。
- 在 20 名用户 90 天模拟交互的纵向基准上，HealthJev 优于无记忆 ReAct 智能体和三个记忆增强框架，配对比较均显著。
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 2026/11/5 08:00:38（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。