AnesSuite：面向大语言模型的麻醉推理的全方位基准与数据集套件
计算与语言
2026-03-03 v4
摘要
大语言模型（LLM）在医学领域的应用引发了广泛关注，但其在更专业的学科领域，如麻醉学中的推理能力仍受到忽视。为弥合这一差距，我们介绍AnesSuite，即首个专为评估大语言模型在麻醉学推理而设计的全面数据集套件。该套件包含AnesBench，一个针对评估麻醉相关推理的基准测试，涵盖三个层次：事实性检索（System 1）、混合推理（System 1.x）以及复杂决策（System 2）。此外，该套件还包括三个训练数据集，为持续预训练（CPT）、监督微调（SFT）以及基于可验证奖励的强化学习（RLVR）提供基础设施。借助该套件，我们开发了Morpheus，即首个针对麻醉推理的基线模型集合。尽管经过有限的SFT和分组相对策略优化（GRPO）训练，Morpheus不仅在麻醉领域实现了显著的性能提升，甚至与更大规模模型的表现相媳美，且在一般医学及广泛领域基准测试中也展现出增强的推理能力。进一步通过全面评估和实验，我们分析了影响麻醉推理性能的关键因素，包括模型特征、训练策略和训练数据。AnesSuite和Morpheus将在https://github.com/MiliLab/AnesSuite发布。
引用
@article{arxiv.2504.02404,
title = {AnesSuite: A Comprehensive Benchmark and Dataset Suite for Anesthesiology Reasoning in LLMs},
author = {Xiang Feng and Wentao Jiang and Zengmao Wang and Yong Luo and Pingbo Xu and Baosheng Yu and Hua Jin and Jing Zhang},
journal= {arXiv preprint arXiv:2504.02404},
year = {2026}
}
备注
Accepted in ICLR 2026; 47 pages, 12 figures, 26 tables;