跳到正文
arXiv · ML· Li-Ching Chen, Andr\'es Franco Valiente, Yuta Ishiyama, Zachary R. Chalmers, William Chen, Kelsey Natsuhara, Taema Brinjikji, Madhumita Sushil, Travis Zack, Julian C. Hong·· 2026-10-14AI 评分40

结肠癌治疗规划:部分可验证环境下的强化学习

Reinforcement Learning In Partially Verifiable Environments for Colon Cancer Treatment Planning

AI 导读

研究者将肿瘤治疗规划建模为部分可观测下的交互式强化学习问题,并基于真实临床记录构建患者特异性、过程感知奖励。 使用 GRPO 和 GDPO 优化 Llama-3.1-8B-Instruct,GDPO 策略在交互环境中 Mean@3 临床奖励较基线提升 79.60%,且以 18.82% 优势超越 GPT-5.2。 研究证实,患者特异性、部分可验证奖励可作为交互式临床强化学习的有效学习信号。

来源:arXiv · ML · arxiv.org