09:21
官方账号arXiv cs.AI@Ofir Ben Shoham, Oriel Perets, Nir Grinberg, Nadav Rappoport
推荐理由：MedUPS 用强化学习教模型在罕见病例中预测下一步决策，三个开源模型准确率都提升了，数据集和代码已开源。
MedUPSQA
共 1 条相关 AI 资讯
8月4日
09:21
MedUPS 是一个针对罕见病例诊断决策的对齐框架，配套数据集 MedUPSQA 包含 21,874 个临床决策点，来自 5,535 份真实病例报告。该框架将病例文本按时间顺序切分成累积片段，用 GRPO 强化学习训练模型预测下一步行动，并以 LLM-as-a-Judge 作为奖励。在三个基座模型上，中间步骤对齐将下一步预测准确率从 55.2 提升至 66.7（Qwen3.6-27B）、从 47.2 提升至 57.8（Qwen3.5-9B）、从 37.8 提升至 44.4（HuatuoGPT-3-8B）。MedUPSQA 数据集、代码和对齐后的模型权重已发布。