论文解读｜LLM 引导 MAP-Elites 进化：在医疗决策工作流中击败手动设计
本周 arXiv 一篇把「LLM + 进化算法」玩出花的论文：2606.07342，来自俄罗斯 Skoltech + AIRI 团队。LLM-Guided Evolution for Medical Decision Pipelines 把 LLM 当作「代码进化器」，在三个真实医疗任务上击败了人工设计的方法。
核心方法：LLM 引导的 MAP-Elites
MAP-Elites 是一种「质量多样性」进化算法，传统用在机器人/游戏 AI。这里：
- 维护一个「精英程序库」（MAP-Elites archive）
- 每轮用 LLM 对当前程序做「变异+重组」，生成候选程序
- 每个候选在特定 fitness 函数下评估（任务专属）
- 进入 archive 的不同「格子」（按行为特征划分）
关键创新：LLM 引导的变异更「有意义」——它理解程序语义、保留合理结构、只改关键部分，不是随机字符替换。
三个医疗场景的胜利
- 急诊分诊（triage）：在 Semigran 数据上，accuracy 从 77.3% → 87.1%，紧急召回从 0.60 → 0.97。在 MIMIC-ESI 上 safety-weighted 表现也更好
- 交互问诊（consultation）：在 Llama-3 / Qwen-3.5 / Gemma-4 上 accuracy-cost 前沿全面优于手动 prompt；可迁移到 iCRAFTMD 跨域数据
- 医学影像分类（PneumoniaMNIST）：仅靠 prompt 进化的 frozen MedGemma VLM 提升明显，且严格保持 JSON 输出格式
可解释性分析（最值得看的部分）
作者对进化出来的程序做了定性分析，发现提升来自可解释的程序级机制：
- 校准的分诊边界：不再是固定阈值，而是按症状严重度滑动
- 定向证据获取：主动问最关键的 1-2 个问题（而不是模板化的 5-10 问）
- 选择性承诺：低置信度时不硬下结论，要求补充信息
- 面向发现的视觉决策规则：MedGemma 进化出的 prompt 关注 X-ray 上「密度+边缘」特征，而不是背景像素
对企业 AI 团队的启示
这种「LLM-as-Evolver」模式可以低成本地应用到任何「决策管道」任务：
- 金融风控的拒赔/通过规则
- 电商客服的分流和应答策略
- 法律合同审查的关注点排序
- 工业质检的多模态决策
不需要 GPU 训练大模型，只需要一个能写代码的 LLM（GPT-4 / Claude / DeepSeek）就能跑。
代码开源：github.com/univanxx/llm_guided_evo_medical