arXiv cs.AI· Xiaoliang Wang, Zhuo Chen, Chuanyang Zheng, Quanbin Wang, Jiangwei Lao, Yingao Liu, Jiajia Liu, Jinming Cao, Honglin Lin, Zhihong Lu, Hao Jin, Jian Wang, Lijun Wu·· 3 天前AI 评分36
MedEvo：通过知识导航实现医学推理进化
MedEvo: Medical Reasoning Evolution through Knowledge Navigation
AI 导读
MedEvo 利用医学标签分类与错误类型诊断来导航轨迹修复和数据选择，仅靠 SFT 即将 Qwen3.5-9B 在七个基准上的平均准确率从 65.57% 提升至 69.12%，其中 MedXpertQA-MM 从 47.40% 升至 54.50%，超过教师蒸馏 SFT 的 66.93%。
正文 · AI 翻译
作者：Xiaoliang Wang、Zhuo Chen、Chuanyang Zheng、Quanbin Wang、Jiangwei Lao、Yingao Liu、Jiajia Liu、Jinming Cao、Honglin Lin、Zhihong Lu、Hao Jin、Jian Wang、Lijun Wu
摘要：医学多模态推理模型通常基于教师生成的理由进行训练，丢弃了学生自身失败轨迹中有效的推理，而通用领域的纠错方法对图像阅读、解剖语境或鉴别诊断中的错误几乎无法提供指导。我们提出 MedEvo，它利用医学知识，即标签分类体系和错误类型诊断，来引导轨迹修复和数据选择。对于每个失败的 rollout，一个对金标准不可见的审计器定位第一个关键错误，并提供一个最小的、不含答案的提示；同一学生模型保留有效前缀并重新生成错误后缀。每一轮之后，MedEvo 在一个留出的反馈集上识别各医学标签下的能力缺口，并优先选择相关问题进行新的 rollout 和修复。仅使用监督微调（SFT），MedEvo 就将 Qwen3.5-9B 在七个基准上的平均准确率从 65.57% 提升至 69.12%（在 MedXpertQA 的多模态赛道（MedXpertQA-MM）上从 47.40% 提升至 54.50%），超过了教师蒸馏 SFT（66.93%）。它还将 Qwen3.5-35B 和 Qwen3.5-397B 的平均准确率分别从 67.91% 提升至 73.04%，从 71.83% 提升至 74.95%。我们的分析表明，失败轨迹中包含值得保留的推理，修复成功并不意味着学习价值，而独立反馈是持续改进的关键。
| 评论： | 项目：此 https URL GitHub：此 https URL |
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG）；定量方法（q-bio.QM） |
| 引用为： | arXiv:2610.17690 [cs.AI] |
| （或 arXiv:2610.17690v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17690 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zhuo Chen [查看邮箱]
[v1]
2026年10月13日星期二 04:11:26 UTC（4,581 KB）
来源：arXiv cs.AI · arxiv.org