提出了一种新颖的多模态多智能体强化学习框架MARL-Rad，用于放射学报告的生成。该框架协调区域特定的智能体和一个全局整合智能体，通过临床可验证的奖励进行优化。与以往的单模型强化学习或独立训练模型的后处理智能体化不同，该方法通过强化学习联合训练多个智能体，并优化整个智能体系统。在MIMIC-CXR和IU X-ray数据集上的实验表明，MARL-Rad在临床有效性（CE）指标上持续改善，如RadGr...