arXiv · NLP· Hao Wang, Zihan Wang, Kai Wu, Jian Yao, Yiwen Ye, Yongcan Luo, Dapeng Wu, Jiale Chen, Haihua Yang·· 6 小时前AI 评分30
CasePlay：利用病例报告进行自博弈强化学习以提升医疗推理能力
CasePlay: Self-Play Reinforcement Learning from Case Reports for Medical Reasoning
AI 导读
CasePlay 提出基于病例报告的自博弈强化学习框架，解决知识固定与难度质量失配问题。 该框架包含知识条件提问者与评分量规推理器，在 7 个医疗基准测试中平均超越自博弈基线 3.1 分，LiveClin 提升 6.3 分。 该方法为通过自博弈 RL 持续改善 LLM 医疗推理能力提供了有效路径。
来源：arXiv · NLP · arxiv.org