Fathom-Vaidya医疗推理框架发布，30B模型超越GPT-5
论文AI 评分 82/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
Fathom-Vaidya提出针对医疗大模型的双阶段训练框架，结合合成数据与基于评分准则的强化学习。第一阶段用MedBullets数据与规则引导RL提升诊断推理；第二阶段构建5.3k合成多轮场景及多维评分准则增强临床交互推理。该方法在MedXpertQA基准上带来超10%提升，其30B参数模型在HealthBench-Hard取得50.1%准确率，超越GPT-5(thinking)等闭源基线，证明该训练机制可系统性提升医疗LLM的推理能力。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载双维度医疗推理挑战
在医疗领域部署大语言模型需兼顾两类相辅相成的推理能力：一是诊断推理，即基于临床数据推断患者病情的收敛性证据驱动任务；二是临床医疗推理，即在多轮交互中沟通、规划与适应的广泛导航判断，此类场景常无单一标准答案。现有基准测试（如HealthBench与MedXpertQA）揭示当前模型在这两方面均存在持续弱点，在复杂诊断场景与以患者为中心的上下文对话中表现不佳。
基于评分准则的序列训练法
为解决上述缺陷，Fathom-Vaidya引入了序列训练框架，核心是合成数据与基于评分准则的强化学习。训练分两步：首先针对诊断推理，利用MedBullets衍生问题，配合规则与评分准则引导的RL进行优化；随后转向临床推理，生成了5.3k个合成多轮交互场景，每个场景均配备多维评分准则，以全面评估模型响应质量。
性能表现与闭源对比
该训练方法带来了显著的量化提升。在MedXpertQA基准上，模型性能获得了超过10%的增幅。更具标志性的是，其30B参数规模的模型在HealthBench-Hard这一高难度子集上达到了50.1%的准确率，成功超越了包括GPT-5(thinking)在内的多个专有闭源基线模型。这表明，通过定向合成数据集与评分准则训练，能够系统性地增强医疗大模型在诊断与交互临床推理上的表现。
为什么值得看
30B小模型在医疗硬核基准上反超GPT-5，为垂直领域LLM利用合成数据与规则RL突破规模瓶颈提供实证。
GPT大模型强化学习
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。