Chinese contentGUIDER 用临床指南决策流奖励提升医疗推理模型表现
一篇医疗推理的论文：把临床指南拆成多条决策流当奖励信号，Qwen3-14B 上 MedGUIDE 准确率涨了 3.3 分，做医疗 AI 的可以看看。
#process rewards
3 stories · 0 in 7 days · 1 in 30 days
Stories, products and papers tagged "process rewards", newest first.
Oct 30
Jun 23
Jun 10
Chinese contentRole-Agent：通过双角色演进让LLM智能体自我进化
做 LLM 智能体训练的团队终于有了一个无需外部环境反馈的自我进化方案——Role-Agent 让模型自己当裁判和教练，平均提效 4%+，值得在复杂任务场景中试试。