X-Ragent：让胸部X光推理学会“何时取证、哪些证据可信”

导语

胸部X光片诊断并不只是识别图像中的异常。许多任务还需要结合病灶位置、影像学测量或其他辅助信息，判断某项证据是否真正适用于当前病例。现有工具增强型医疗智能体虽然可以调用外部模块，但往往面临两个问题：不知道什么时候值得寻求额外证据，也可能把并不适用的定量测量带入最终诊断。

卡内基梅隆大学研究团队提出的 X-Ragent，试图让模型不仅“会调用工具”，还要学会判断工具调用的必要性，以及哪些测量结果能够被诊断过程采纳。

核心方法

• 将两类能力分开学习。 X-Ragent 把辅助证据搜索与定量测量获取区分开来。前者由策略学习决定何时调用，后者则增加有效性门控，避免不适用的数字直接影响推理。
• 先用轨迹数据建立基础能力。 研究团队构建了包含 7700 个样本的 Rad-CoT 数据集，将按因果顺序组织的工具调用轨迹，与报告式诊断推理结合起来，并据此对 Qwen3-VL-8B 进行智能体监督微调。
• 用准确率约束强化学习。 随后，研究使用 Group Relative Policy Optimization 优化策略。只有在最终诊断正确时，测量一致性和辅助工具成本等过程级奖励才会生效，从而避免“过程看起来合理”抵消错误诊断。

实验结果与意义

在三个胸部X光基准上，X-Ragent 都取得了研究所报告的最强结果。其中，在完全留出的 ChestAgentBench 上，模型取得 8.6 个百分点的提升。这一结果指向一个重要变化：医疗智能体的性能不应只由最终答案衡量，也应考察它是否使用了恰当证据，以及证据是否与当前任务相匹配。

从系统设计角度看，X-Ragent 的价值不在于简单增加更多工具，而在于为工具调用加入选择与准入机制。更少但更相关的证据，可能比无差别堆叠测量结果更有助于形成可追溯的诊断链条。与此同时，准确率门控也降低了过程奖励鼓励“漂亮但错误”推理的风险。

不过，现有素材主要披露了方法框架、训练数据规模和基准结果，未提供各数据集的详细分项指标，也未说明其在真实临床流程中的部署表现。因此，X-Ragent 更适合被视为证据 grounded 医疗智能体研究中的一个方法学进展，而不是已经完成临床验证的诊断系统。

来源：Hugging Face Daily Papers