PapersBuilders09:55Chinese contentPCQC 训练方法让医疗对话模型学会更精准提问训练医疗问诊模型一直只会看最终诊断对不对,这篇给每个问题单独打分,连没问出口的问题也能学,比 GRPO 少问三分之一轮就赢了。#PCQC#GRPO#reinforcement learningaarXiv cs.LG@Chenxuan Li et al. (6)SourceRead laterReadWorth followingUsefulFollow PCQC