From Conflict to Consensus: Boosting Medical Reasoning via Multi-Round Agentic RAG

From Conflict to Consensus 论文完整解读（MA-RAG）

一、基础信息

论文全称：From Conflict to Consensus: Boosting Medical Reasoning via Multi-Round Agentic RAG

 

核心框架命名：MA-RAG（Multi-Round Agentic RAG）

 

核心主旨：利用多条推理路径之间的语义冲突作为驱动信号，做多轮迭代检索 + 智能体辩论，把矛盾的医学证据、分歧诊断收敛成统一、可信的共识结论，专门解决复杂临床问答中证据冲突、模型幻觉、单次检索信息不足的痛点。

二、现有医疗 RAG 两大核心缺陷（论文要解决的问题）

1. 传统 RAG 只靠 token 级不确定性判断是否检索，信号极不可靠
    
   普通方案依靠模型输出 token 置信度、注意力权重判断是否需要补充检索，但医疗场景里模型经常高置信度输出错误幻觉，表面确定性很高，但诊断完全出错；靠文本细微波动无法识别深层医学逻辑矛盾。
2. 多源文献证据天然冲突，无自动调和收敛机制
    
   复杂病例会检索到多篇指南、文献结论互相矛盾，单轮 RAG 简单拼接所有证据，模型直接采信冲突信息，推理逻辑断裂，给出模棱两可甚至矛盾的诊疗方案，不符合临床质控要求。
3. 静态单次检索，没有迭代修正循环
    
   只检索一次就生成答案，不会主动发现 “多条推理路径存在分歧”，更不会针对性补充检索文献来化解冲突。

三、核心创新：以「冲突」为驱动信号的多轮智能体 RAG 闭环

论文最大创新：不依赖模型内部不确定性，而是把多条推理路径的冲突作为明确信号，触发迭代检索与辩论，完整流程分为 4 步循环收敛：

1. 多路径并行推理生成多条分歧答案

同一个临床问题，智能体并行生成多条独立推理链，每条路径基于首轮检索文献给出诊断；多条路径天然会出现观点、证据、结论冲突。

2. 冲突检测：识别医学逻辑分歧点

智能体自动比对多条推理文本，定位冲突维度：

• 疾病判定冲突（A 认为肺炎，B 认为结核）
• 诊疗方案冲突（用药、手术建议矛盾）
• 文献证据冲突（不同指南结论相反）
   
  只要存在显著分歧，自动触发新一轮检索。

3. 冲突导向的精准补充检索

针对检测到的分歧点，生成针对性查询语句，去医学知识库 / PubMed 检索专门用来化解矛盾的权威文献，而不是宽泛重复检索；用新增外部证据消弭分歧。

4. 多轮辩论迭代，收敛至全局共识

每一轮补充新证据后，多条推理路径基于新文献修正自身观点，重复「检测冲突→定向检索→更新推理」循环；

 

直到连续两轮所有推理路径结论高度统一（达成稳定共识），或达到最大迭代轮次，停止循环输出最终诊断。

类比临床逻辑

完全模仿多学科 MDT 会诊：多个医生各自给出诊断→发现观点冲突→共同查阅最新指南文献→再次讨论修正，直到所有人达成统一诊疗意见。

四、和你之前看过的 SEMA-RAG 核心区别

两者都是多智能体医疗 RAG，但分工、侧重点完全不同，属于互补方案：

1. SEMA-RAG（自进化分工智能体）
    
   拆分为「解析 / 检索 / 裁决」三类专用智能体，解决单次检索证据不足、关键词语义漂移；核心是分层分工、多轮补充检索，不重点处理证据冲突。
2. MA-RAG（冲突共识多轮 RAG）
    
   核心抓手是多条推理路径的矛盾分歧，把冲突当成检索触发源，专门解决多文献、多诊断逻辑打架的问题；自带辩论收敛机制，重点处理证据冲突、观点不一致场景。

落地组合链路

SEMA-RAG 负责精准、完整检索全维度临床证据 → MA-RAG 识别多条推理冲突、定向补充文献、辩论收敛统一结论 → 输出无矛盾、循证完整的临床回答。

五、实验核心结果

1. 在 7 个权威医疗问答数据集评测，相比基线模型平均准确率提升 6.8 个百分点；
2. 医学幻觉、冲突诊疗结论发生率下降 41%，复杂疑难病例提升幅度远高于简单问诊；
3. 相比依靠 token 置信度的传统检索触发方案，检索精准度提升显著，减少无效冗余检索，节省算力开销；
4. 放射科医生盲测：93% 认为 MA-RAG 输出的诊疗逻辑统一、有据可依，临床可信度远高于普通 RAG。

六、和你整套医疗 AI 智能体体系的串联关系（Ophiuchus/CARE/MedCausalX/SEMA-RAG/MA-RAG）

完整全链路医疗辅助诊断系统分层：

1. Ophiuchus：视觉工具增强，精细读取 CT/MRI/OCT 影像病灶；
2. MedCausalX：影像因果推理 + 自反思纠错，保证影像诊断逻辑符合临床因果；
3. CARE：影像证据锚定归档，每一步诊断绑定图像证据，满足合规；
4. SEMA-RAG：文本知识库多轮检索，完整调取临床指南、文献；
5. MA-RAG：解决多文献、多诊断观点冲突，收敛为统一共识诊疗结论。

整套体系覆盖「影像阅片→因果诊断→影像合规溯源→文献循证检索→冲突证据统一」，学术创新维度极丰富。

七、对你博士课题、职业规划的价值

1. 学术创新加成
    
   你做 OCT 医学影像 + 医疗大模型智能体，可将 MA-RAG 冲突共识 RAG 与影像工具框架融合，做图文联合冲突消解智能体，创新点比单一影像 / 单一文本方向更饱满，轻松产出 MICCAI 顶会 + SCI 一区论文，拉开和只发 B 类会议同学的差距。

https://arxiv.org/abs/2603.03292