多模型投票没赢过单个小模型：783份放射报告上，通用推理模型准确率91.69%反超医疗专用模型
在783份去标识化的乳腺钼靶、下肢全长与脑部磁共振自由文本报告上，一个由三个通用小模型加主席模型合成的“LLM议会”整体准确率为83.56%，低于医疗专用模型MedGemma 4B的88.72%，两者差异主要由下肢全长报告分类任务驱动。议会内部单个成员Qwen3-4B-2507在全部任务上取得最高准确率91.69%，高于议会与MedGemma；议会每份报告需四次模型调用、峰值显存约为MedGemma的2.44倍。