MedCBR 两阶段对齐框架提升医疗视觉语言模型诊断推理
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。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载现有对齐目标的问题
医疗诊断推理要求视觉证据与临床知识之间建立可核验的关联，但现有医疗视觉语言模型所用的对齐目标奖励了错误行为。均匀的监督微调让简单样本主导参数更新，临床上关键的边界病例则过早饱和，模型在这些病例上不再获得有效学习信号。另一类做法只依据最终答案是否正确给出稀疏奖励，这种信号无法评估解剖定位是否准确、临床逻辑是否成立，模型因而可能通过答案捷径获取奖励，形成奖励黑客。论文把这两点作为设计新框架的出发点，目标是把学习信号集中到模型能力边界附近，并让奖励覆盖推理过程而非只看结论。
边界偏好与难度加权
MedCBR 的第一阶段在模型能力前沿构造反事实边界偏好。具体做法是借助经验通过率确定哪些样本处于边界区域，并构造共享同一推理前缀、但在决定性诊断分支处分叉的偏好对，使模型需要区分的正是导致结论不同的关键一步。在此基础上，难度加权边界偏好优化（DBPO）按难度分配学习权重，把更新集中在经过标定的边界区域，避免简单病例稀释梯度。这一阶段解决的是「学哪里」的问题：不是均匀地学全部数据，也不是只学最难的样本，而是学模型当前恰好处于会与不会之间的那部分病例。
熵门控的评分细则强化
第二阶段从边界轨迹中蒸馏出可复用的临床评分细则，并依据预测熵决定何时启用。熵门控接地策略优化（EGPO）在奖励中同时计入答案正确性、解剖接地与推理保真度三项，对模型预测较为可靠的样本则抑制评分细则带来的噪声，避免细则本身干扰已经稳定的判断。框架还引入一个锚定到边界对齐模型的参考策略，把群体层面的边界先验与单个实例的不确定性结合起来。这样，评分细则不是对所有输入一律施加，而是随模型自身的不确定程度动态介入。
实验结果与适用范围
在六个医疗基准上，MedCBR 相对通用模型、专科模型与强化学习基线均取得一致提升，平均准确率为 61.2%，其中在较困难的鉴别诊断任务上收益最大。消融实验显示两阶段组合带来的增益超过两个阶段单独改进之和，说明边界偏好与评分细则强化之间存在互补关系。论文共 10 页、含 4 幅图，被 ACM Multimedia Asia 2026（MMAsia 2026）接收，归属计算机视觉与人工智能方向。材料未给出各基准的单项分数、训练数据规模与算力开销，也未说明该框架在非医疗领域的迁移效果。
为什么值得看
医疗多模态模型的对齐目标设计直接影响诊断可靠性，该工作给出可复用的边界偏好与评分细则方法。
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。