跳转至

MARC v1：用于临床 AI 推理与协作的开源多智能体框架

文章背景与核心概要

MARC v1（多智能体推理与协作框架）旨在解决传统单一大型语言模型（LLM）在处理复杂临床任务时存在的“黑箱”问题。通过将临床工作流拆解为数据提取、推理、答案生成和评估等确定性阶段，该框架实现了多智能体间的协同工作，显著提升了临床 AI 的可解释性与任务执行的精确度。

该框架的核心创新在于其“分解器（Decomposer）”模块，它能够根据自然语言描述自动生成任务特定的智能体提示词，从而免去了繁琐的手动提示工程。此外，MARC v1 具备高度的灵活性，支持通过 YAML 文件进行全配置，无需修改代码，且兼容 API 调用与本地 CPU 部署，为临床领域专家提供了一个易于使用且可追溯的 AI 开发工具。

摘要

MARC v1 (Multi-Agent Reasoning and Coordination) 是一个开源框架，旨在用确定性的多智能体编排取代传统的单体 LLM 提示工程，以实现临床推理。MARC 通过协调负责提取、推理、答案生成和评估的专业智能体，实现了明确的上下文传递和可追溯的中间输出，从而能够对各阶段的故障进行归因。

We present Multi-Agent Reasoning and Coordination (MARC), an open-source framework that replaces monolithic LLM prompting with deterministic multi-agent orchestration for clinical reasoning. MARC coordinates role-specialized agents for extraction, reasoning, answer generation, and evaluation, with explicit context passing and traceable intermediate outputs, enabling stage-wise failure attribution.

此外，我们引入了一个“分解器（Decomposer）”模块，它能根据自然语言描述生成任务特定的智能体提示词，消除了手动提示工程的需求。该框架支持基于 API 和本地 CPU 的部署，且完全可以通过 YAML 进行配置，无需修改代码。MARC 的设计目标是模型无关、可解释，并让不具备编程背景的临床领域专家也能轻松使用。

We additionally introduce a Decomposer module that generates task-specific agent prompts from a plain-language description, eliminating manual prompt engineering. The framework supports both API-based and local CPU-compatible deployments and is entirely configurable via YAML, without code modifications. MARC is designed to be model-agnostic, interpretable, and accessible to clinical domain experts without programming expertise.

元数据

  • arXiv 标识符： arXiv:2608.13476 [cs.AI]
  • 主要学科： 人工智能 (cs.AI)
  • 次要学科： 计算与语言 (cs.CL)
  • 提交日期： 2026年8月13日
  • 篇幅： 13 页，4 张图表
  • 代码仓库： GitHub - Penn-RAIL/MARC-v1
  • arXiv Identifier: arXiv:2608.13476 [cs.AI]
  • Primary Subject: Artificial Intelligence (cs.AI)
  • Secondary Subjects: Computation and Language (cs.CL)
  • Submission Date: August 13, 2026
  • Length: 13 pages, 4 figures
  • Repository: GitHub - Penn-RAIL/MARC-v1

作者

  • Saisha Shetty
  • Satvik Tripathi
  • Austin Lin
  • Colin Zhao
  • Theodore Kim
  • Don Enwerem
  • Jacinta Arnold
  • Shahriar Faghani
  • Tessa S. Cook
  • Saisha Shetty
  • Satvik Tripathi
  • Austin Lin
  • Colin Zhao
  • Theodore Kim
  • Don Enwerem
  • Jacinta Arnold
  • Shahriar Faghani
  • Tessa S. Cook

资源与链接