本研究解决了放射治疗计划中复杂与时间消耗大、以及计划人员间的差异性和主观决策的问题。通过引入Dose Optimization Language Agent (DOLA)，一个基于大型语言模型的自主代理，优化放射治疗计划并保护患者隐私。研究发现70亿参数的模型在优化效果上有显著优势，比8亿参数模型高出约16.4%，并证明该方法在临床应用和工作流程改善方面具有重要潜力。

该论文介绍了一种名为MixCL的对比学习方案，通过优化语言模型的内在知识引出过程，减少了幻觉的干扰。在Wizard-of-Wikipedia实验中，MixCL在对话中有效地减少了语言模型的幻觉，并实现了最高性能的相关性和事实准确性。