GUIDER 通过潜在决策流奖励提升临床指南推理

GUIDER 方法联合优化决策流控制器与推理策略，解决临床推理中的路径-答案差距及路径多重性问题。 在 MedGUIDE 基准上，基于 Qwen3-14B 的 GUIDER 达到 82.5 加权准确率与 73.5 指南遵循度，优于最强临床强化学习基线 3.3 和 3.1 分。 该方法在 AMEGA-LLM、RealMedQA 等域外基准上，也超越了 CRPO、MRPO 及 FaithMed。