基于多智能体强化学习的医疗检索增强生成系统：MMOA-RAG 架构设计与实现

1. 引言

医疗 AI 面临知识更新快（每年 PubMed 新增 100 万文献）、专业性强（SNOMED CT 含 35 万临床概念）等挑战。传统 RAG 系统存在三大局限：

1. 模块目标冲突（检索高召回率 vs 生成高准确性）
2. 动态依赖缺失（查询改写影响检索策略）
3. 医疗合规风险（FDA 要求 Class II 设备错误率<7%）

本研究特点：

• 提出四智能体协同架构（查询/检索/过滤/生成）
• 设计临床奖励函数 R_{clinical} = 0.6 F_1 + 0.3 Safety + 0.1 Expert