arXiv cs.CL· Hsin-Ling Hsu, Zizheng Wang, Donghua Zhang, Nai-Chia Chen, Jerry Wang, Jun-En Ding, Chia-Hsuan Hsu, Guoan Wang, Feng Liu, Fang-Ming Hung, Chenwei Wu, Liyue Shen·· 11 小时前AI 评分35
MedAction：面向主动多轮临床诊断的大语言模型
MedAction: Towards Active Multi-turn Clinical Diagnostic LLMs
AI 导读
研究团队提出 MedAction，一个树状结构蒸馏流程，通过 LLM 与环境交互合成多轮诊断轨迹，并构建了含 32,681 条轨迹、来自 2,896 个 PMC 病例的 MedAction-32K 数据集。
正文 · AI 翻译
作者：Hsin-Ling Hsu、Zizheng Wang、Donghua Zhang、Nai-Chia Chen、Jerry Wang、Jun-En Ding、Chia-Hsuan Hsu、Guoan Wang、Feng Liu、Fang-Ming Hung、Chenwei Wu、Liyue Shen
摘要：现有的大多数 LLM 诊断评估都基于静态、单轮设置，即预先提供完整的患者信息，这简化了真实的临床实践。我们研究主动诊断：即从初始观察开始、开具检查、解读结果，并在多轮中更新鉴别诊断的真实临床过程。通过系统分析，我们识别出当前 LLM 中反复出现的三种失败模式：无依据的检查开具、不可靠的诊断更新，以及多轮连贯性下降。这些失败共同揭示了一个核心缺陷：现有的医学训练数据教会模型从完整信息中进行推理，却没有教会模型在不断演变、不完整的证据下采取行动。为弥补这一差距，我们提出 MedAction，一种树状结构的蒸馏流水线，通过 LLM 与环境交互合成多样且高质量的多轮诊断轨迹。我们提出两个基于知识图谱的指标来过滤轨迹质量：疾病轨迹一致性（DTC），用于追踪模型的假设是否收敛到正确诊断；以及推理-行动一致性（RAC），用于验证信念更新是否由收集到的证据驱动。利用该流水线，我们构建了 MedAction-32K，一个包含来自 2,896 个 PMC 病例的 32,681 条轨迹的数据集。在 MedAction-32K 上微调一个 8B 模型，在 MedR-Bench 和我们精心构建的 MedAction-300-Hard 基准上均取得了开源模型中的最先进性能，推动了开源医学 LLM 的前沿。
| 评论： | COLM 2026。v2 增加了 RL 扩展（附录 D） |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.07305 [cs.CL] |
| （或 arXiv:2605.07305v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.07305 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hsin-Ling Hsu [查看邮箱]
[v1]
2026年5月8日星期五 06:15:24 UTC（1,008 KB）
[v2]
2026年10月22日星期四 18:11:13 UTC（1,328 KB）
来源：arXiv cs.CL · arxiv.org