MedPrune：面向医疗 VQA 任务的拓扑高效多模态多智能体通信演化

针对医疗多模态大模型（Med-MLLM）在医疗视觉问答中，现有多智能体框架因冗余通信拓扑导致交互模式不佳与计算开销过大的问题，本文提出 MedPrune 框架，将诊断过程建模为异质通信图，节点表示不同科室的专科智能体，边表示科室内部与科室之间的交互，并引入异质节点稀疏化与边稀疏化两种机制，动态剪除节点与边以实现自适应协作演化，从而提升推理能力与 token 效率。摘要未完整给出实验设置与量化结果。

AI推荐理由 论文提出 MedPrune，将医疗多模态多智能体诊断建模为异质通信图，通过异质节点稀疏化与边稀疏化动态剪枝通信拓扑，以降低冗余通信开销并提升 token 效率与推理能力。新信息在于把拓扑剪枝用于医疗 VQA 的多智能体协作；局限是摘要被截断，未给出数据集、基线对比与量化结果，实际效果无法核实。