arXiv · cs.AI· Gaurav Bhatt·· 1 天前AI 评分31
GUIDER 提出潜在决策流奖励以改进临床指南推理
Latent Decision Flow Rewards for Clinical Guideline Reasoning
来源与原文
arXiv · cs.AI
作者：Gaurav Bhatt
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38709v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
GUIDER 方法联合优化决策流控制器与推理策略，用多条控制器生成的流计算过程奖励并以答案正确性门控，以解决“路径-答案差距”和路径多样性问题。在 MedGUIDE 上，GUIDER 结合 Qwen3-14B 达到 82.5 weighted accuracy 和 73.5 guideline adherence，比最强临床 RL 基线分别高 3.3 和 3.1 分。使用 Qwen3-14B 与 Gemma4-12B 骨干时，GUIDER 在 AMEGA-LLM、RealMedQA 和 CancerGUIDE 域外基准上也优于 CRPO、MRPO 和 FaithMed。
来源：arXiv · cs.AI · arxiv.org