Experience Makes Skillful: Enabling Generalizable Medical Agent Reasoning via Self-Evolving Skill Memory
论文元数据
- 标题: Experience Makes Skillful: Enabling Generalizable Medical Agent Reasoning via Self-Evolving Skill Memory
- 作者: Haoran Sun 等（复旦大学、上海人工智能实验室、华中科技大学）
- 发表: arXiv:2606.09365，2026 年 6 月
- 简称: SkeMex
解决的问题
现有医疗智能体依赖原始轨迹记忆或模型微调来复用经验，但原始轨迹噪声大、冗余度高，且无法区分哪些记忆真正有用；而基于训练的方法计算成本高、存在灾难性遗忘风险，且每次改进都需重新部署。SkeMex 提出了一种部署后自演化（post-deployment self-evolution）框架，将医疗推理经验压缩为可复用的技能单元（skill units），在不更新模型权重的前提下，通过环境反馈持续评估和演化这些技能，实现跨任务、跨模型的泛化推理能力提升。
主要贡献
- 技能记忆（Skill Memory）：将部署经验蒸馏为紧凑的技能单元 m_i = (k_i, c_i, u_i)，包含检索键、可复用临床步骤内容、效用统计量，在语义级别而非原始轨迹级别存储经验，大幅降低噪声和冗余。
- 效用估计（Utility Estimation）：引入基于环境反馈的信用分配机制——仅在技能被实际采用时更新其效用，使用窗口级优势估计消除单样本难度方差，确保只有真正有用的技能被保留和强化。
- Read-Write-Assess-Govern 闭环生命周期：四阶段流水线实现技能的检索（价值感知多通道筛选）、写入（轨迹到技能的蒸馏）、评估（优势估计 + 信用分配）、治理（弃用 / 成熟 / 合并 / 归档），形成完整的自演化回路。
- 即插即用泛化（Plug-and-Play Generalization）：技能记忆与模型权重完全解耦，同一技能库可跨不同模型骨架（GPT-4、Qwen、DeepSeek）和异构任务设置泛化使用，无需任何重新训练。
关键实验结果
| 基准测试 | 核心提升 |
|---|---|
| HealthBench | 显著优于代表性记忆型智能体基线 |
| LiveMedBench | 在动态临床场景中持续提升推理准确率 |
| 模型泛化 | GPT-4、Qwen、DeepSeek 均受益于同一技能库 |
| 效率 | 检索开销边际成本远低于推理收益 |
学习导航
- 难度: Intermediate（需了解 LLM Agent、记忆机制、强化学习基础）
- 建议学习时间: ~45 分钟
- 核心方法细节: 见 method.md
- 深层理解与洞察: 见 insights.md