arXiv cs.AI· Hongyu Bai, Jiaqi Zeng, Chunzheng Zhu·· 13 小时前AI 评分29
MedCBR：在能力边界上用熵自适应评分标准对齐医疗视觉语言模型
Aligning Medical Vision Language Models at the Capability Boundary with Entropy Adaptive Rubric Grounding
AI 导读
研究提出 MedCBR 两阶段对齐框架，将边界感知偏好优化与评分标准接地的强化学习结合，在六个医疗基准上平均准确率达 61.2%，在困难的鉴别诊断任务上提升最大。第一阶段用难度加权边界偏好优化（DBPO）聚焦模型能力前沿的反事实边界偏好，第二阶段用熵门控接地策略优化（EGPO）按预测熵激活临床评分标准。消融显示两阶段组合带来超加性增益，超过各自单独改进之和。
正文 · AI 翻译
摘要：医学诊断推理需要视觉证据与临床知识之间可验证的关联，然而当前的医学视觉语言模型所对齐的目标恰恰奖励了错误行为。统一监督微调让简单病例主导更新，而临床关键的边界病例则过早饱和。仅基于最终答案正确性的稀疏奖励无法评估解剖定位或临床逻辑，从而诱发通过答案捷径进行的奖励黑客行为。我们提出 MedCBR，一个两阶段对齐框架，将边界感知偏好优化与基于评分标准的强化学习相结合。首先，我们利用经验通过率和共享推理前缀但在决定性诊断分支处发散的偏好对，在模型能力前沿构建反事实边界偏好。难度加权边界偏好优化（DBPO）将学习集中在这一校准后的边界区域。其次，我们从边界轨迹中提炼可复用的临床评分标准，并根据预测熵激活它们。熵门控接地策略优化（EGPO）奖励答案正确性、解剖定位和推理保真度，同时在可靠样本上抑制评分标准噪声。锚定于边界对齐模型的参考策略将群体级边界先验与实例级不确定性耦合，使诊断推理更准确且更具临床依据。在六个医学基准上的实验显示，相较于强大的通用、专用和强化学习基线均有一致提升，平均准确率达到 61.2%，在具有挑战性的鉴别诊断任务上增益最大。消融实验显示出超加性增益：两个阶段结合的效果超过各自改进之和。
| 评论： | 已被 ACM Multimedia Asia 2026（MMAsia 2026）接收。10 页，4 幅图 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.39835 [cs.CV] |
| （或 arXiv:2610.39835v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.39835 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Chunzheng Zhu [查看邮箱]
[v1]
2026 年 10 月 29 日星期四 11:15:12 UTC（2,078 KB）
来源：arXiv cs.AI · arxiv.org