本文提出了一种风险敏感的奖励方差优化框架（RVPO），旨在解决多目标奖励聚合中的约束忽视问题。RVPO通过惩罚奖励间的方差，优化模型的一致性，从而在医疗和科学推理任务中提高表现。实验结果表明，RVPO在HealthBench上显著优于传统方法，并在保持准确性的同时，避免了多奖励方法的性能下降。
本研究提出了一种基于电子健康记录的经验检索增强框架（ExpRAG），旨在提高大型语言模型在临床应用中的可靠性。实验结果显示，ExpRAG在医疗推理中比传统方法提高了5.2%的准确性，强调了案例知识在医疗决策中的重要性。
最新研究推出了MedR-Bench评估基准，涵盖1,453个病例，评估医疗推理大语言模型的表现。结果显示，模型在简单诊断任务上的准确率超过85%，但在复杂任务中仍存在不足，推理过程的完整性和逻辑性亟待提升。开源模型DeepSeek-R1展现出追赶闭源模型的潜力，推动医疗AI的发展。
百川智能发布了全场景深度思考模型Baichuan-M1-preview，具备语言、视觉和搜索推理能力，特别在医疗领域表现突出，提升临床决策效率。此外，百川推出了开源的Baichuan-M1-14B，专注于医疗推理，推动AI医疗技术进步。
完成下面两步后，将自动完成登录并继续当前操作。
