[论文解读] Small Agent Group is the Future of Digital Health

Meng Yu, Luoxi Tang+6 more|arXiv (Cornell University)|Feb 8, 2026

Artificial Intelligence in Healthcare and Education被引用 0

一句话总结

论文提出 Small Agent Groups (SAG) 作为对数字健康领域单一庞大LLM的协作、多智能体替代方案，通过带有角色分工与证据 grounding 的结构化 MAD 框架，在现实约束下显示出更高的有效性、可靠性和可部署性。

ABSTRACT

The rapid adoption of large language models (LLMs) in digital health has been driven by a "scaling-first" philosophy, i.e., the assumption that clinical intelligence increases with model size and data. However, real-world clinical needs include not only effectiveness, but also reliability and reasonable deployment cost. Since clinical decision-making is inherently collaborative, we challenge the monolithic scaling paradigm and ask whether a Small Agent Group (SAG) can support better clinical reasoning. SAG shifts from single-model intelligence to collective expertise by distributing reasoning, evidence-based analysis, and critical audit through a collaborative deliberation process. To assess the clinical utility of SAG, we conduct extensive evaluations using diverse clinical metrics spanning effectiveness, reliability, and deployment cost. Our results show that SAG achieves superior performance compared to a single giant model, both with and without additional optimization or retrieval-augmented generation. These findings suggest that the synergistic reasoning represented by SAG can substitute for model parameter growth in clinical settings. Overall, SAG offers a scalable solution to digital health that better balances effectiveness, reliability, and deployment efficiency.

研究动机与目标

• 推动从单一巨型 LLM 向临床决策支持中的协同小型智能体转变，
• 定义包含推理、知识、安全与综合/判定等角色的包容性 SAG 架构，
• 使用带检索增强生成（RAG）的分层多智能体辩论来开发与评估 SAG，
• 在三个临床效用维度上评估 SAG 的有效性、可靠性与部署成本。

提出的方法

• 提出包含四个智能体角色的 SAG：Reasoning (A_R)、Knowledge (A_K)、Safety (A_S) 和 Synthesis & Judge (A_J)。
• 采用多智能体辩论（MAD）工作流，具有迭代轮次和提前终止以控制延迟。
• 结合检索增强生成（RAG）以将输出 grounded 于医学来源（PubMed/Medline、CDC、FDA、指南）。
• 探索优化范式，包括 Group Relative Policy Optimization (GRPO) 与 Centralized Training, Decentralized Execution (CTDE)。
• 在多样化临床基准上使用三维效用框架评估 SAG：有效性、可靠性、部署成本。

实验结果

研究问题

• RQ1 Small Agent Group 是否能在知识密集型临床任务上达到或超过单一庞大LLM的性能？
• RQ2 通过辩论驱动的自我批评和跨智能体审计，SAG 是否提升安全性、鲁棒性和一致性？
• RQ3 与庞大模型相比，SAG 的部署权衡（内存、FLOPs、延迟）如何？
• RQ4 角色专属智能体与 RAG grounding 是否减少临床推理中的幻觉与人口统计偏见？
• RQ5 优化策略（GRPO、CTDE）如何影响 SAG 的有效性与可靠性？

主要发现

• SAG 在多个临床基准和基础模型上持续优于单模型基线。
• 基于辩论的协作提升安全性，减少幻觉，通过跨智能体审计增强可靠性。
• RAG grounding 与角色分工使输出更贴近真实世界的医学证据，提升临床相关性。
• 通过 GRPO 或 CTDE 的优化带来更好的稳定性与公平性，CTDE 提供显著的可靠性提升。
• 部署权衡：SAG 所需峰值内存低于庞大模型，但延迟略高，FLOPs 略高，呈现出有利的有效性/可靠性平衡。