基于有向无环图结构并行执行的 MedVerse：高效可靠的医学推理
机器学习
2026-04-17 v3
摘要
大型语言模型（LLM）在广泛的医学推理任务中展现出强大的性能和快速进步。然而，其顺序自回归解码将本质上并行的临床推理（如差别诊断）强制为单一的线性推理路径，限制了复杂医学问题的效率和可靠性。为此，我们提出了 MedVerse，这是一种用于复杂医学推理的框架，将医学推理重新表述为基于 Petri 网理论的可并行化有向无环图（DAG）过程。该框架在数据、模型架构和系统执行三个层面上采用全栈设计。对于数据创建，我们引入了 MedVerse Curator，一个自动化管道，用于合成以知识为导向的医学推理路径，并将其转换为 Petri 网结构的表示。从架构层面来看，我们提出了一种具有自适应位置索引的拓扑感知注意力机制，支持并行推理，同时保持逻辑一致性。在系统层面，我们开发了支持无额外开销的并行执行的定制推理引擎。经验评估表明，MedVerse 对通用强 LLM 提升了最高可达 8.9%。相对于专业医学 LLM，MedVerse 虽实现相当水平，却实现了 1.3 倍的推理延迟降低和 1.7 倍的生成吞吐量提升，这归功于其并行解码能力。代码已公开于 https://github.com/aiming-lab/MedVerse。
引用
@article{arxiv.2602.07529,
title = {MedVerse: Efficient and Reliable Medical Reasoning via DAG-Structured Parallel Execution},
author = {Jianwen Chen and Xinyu Yang and Peng Xia and Arian Azarang and Yueh Z Lee and Gang Li and Hongtu Zhu and Yun Li and Beidi Chen and Huaxiu Yao},
journal= {arXiv preprint arXiv:2602.07529},
year = {2026}
}