EndoCogniAgent：基于自洫性验证的闭环智能体推理，用于内窥诊断

内窥诊断是一一过程中的医生逐步获取、比较和验证局部视觉证据，然后作出结论。当前的人工智能系统未能充分支持这一过程，因为细粒度证据获取和多步推理仍然较弱地耦合。这导致两种失效模式：幻觉证据和未纠正的误差累积，这些失效模式削弱了诊断可靠性。我们提出EndoCogniAgent，一种闭环智能体框架，将内窥诊断建模为受控状态更新过程。在每个推理轮中，中心规划器选择下一个证据获取动作，专用工具提取相应的观察，自洫性验证机制在两个维度上检查观察：对输入图像的知识一致性和与先前验证发现的时序一致性，然后更新诊断状态。经过验证的观察被接受进入不断演变的状态，以条件后续规划，而不足以支持的发现则保留下来并附带纠正性反馈，以将规划器引导 toward additional verification。我们进一步引入EndoAgentBench，一个以工作流程为导向的基准，包含6,132个问答对，来自11个内窥数据集，旨在全面评估诊断智能体，从细粒度视觉感知到高层诊断推理。实验表明，EndoCogniAgent在感知任务上实现了85.23%的平均准确率，在推理任务上实现了71.13%的临床接受率，消融分析确认自洫性验证和情节性状态维护各自对于这些收益至关重要。