跳到正文
arXiv cs.CL· Thanni Adewuyi, Adepoju Jeremiah Moyondafoluwa, Dorcas Amapu, Dieko Whenu, Sylvia Essessien, Sandra Oko-Oba, Pelumi Onafadeji, Lily Aimas-Love, Samuel Omolaiye, Abiodun Adereni·· 2 天前AI 评分24

MamaReason:临床语言模型中的未完成推理与答案恢复

MamaReason: Unfinished Reasoning and Answer Recovery in Clinical Language Models

AI 导读

基于 Gemma 4 31B 微调的临床语言模型 MamaReason 在 MamaBench 的 217 组母婴健康病例上表现出“答案延续”现象:显式承诺提取器在 94 次失败的 RL 首轮推理中识别出 75 次诊断,在 93 次失败的 SFT 首轮中同样识别出 75 次。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:答案续写往往会返回一个在未完成的临床推理中已经陈述过的诊断。我们在 MamaReason 中研究这一行为,该模型改编自稠密 Gemma 4 31B,基于 MamaBench 的 217 对母婴健康呈现进行测试。一个显式承诺提取器在 94 次失败的 RL 首轮通过中识别出 75 次诊断,在 93 次失败的 SFT 首轮通过中识别出 75 次诊断。仅使用诊断字符串,续写内容在 67/75 的 RL 案例和 58/75 的 SFT 案例中与该诊断匹配。在不进行额外生成的情况下读取这些承诺,可在归档的正确性标签下恢复由续写恢复的 40 对 RL 中的 30 对。重复性控制将常规提及与重复答案选择区分开来。一个离线第二承诺触发器衡量了更早读出与配对准确率之间的权衡。由此得到的分解将轨迹中已存在的诊断内容、已接受答案的完成以及配对诊断正确性区分开来。对于临床语言模型评估,这些是不同的结果,当通过多种读出方式检查同一推理轨迹时,它们会变得可见。
学科: 计算与语言(cs.CL)
引用为: arXiv:2611.18264 [cs.CL]
  (或 arXiv:2611.18264v1 [cs.CL] 为此版本)
  https://doi.org/10.48550/arXiv.2611.18264

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Thanni Adewuyi Ayomide [查看电子邮件]
[v1] 2026年11月13日星期五 14:58:11 UTC(35 KB)

来源:arXiv cs.CL · arxiv.org