Chiron-o1：通过导师-实习生协作搜索点燃多模态大语言模型通用医学推理能力
计算机视觉与模式识别
2025-10-23 v2 人工智能
计算与语言
摘要
多模态大语言模型(MLLM)已开始在通用任务上 demonstrate 稳健的推理能力，但在医学领域的应用仍处于早期阶段。构建链式思维(CoT)训练数据对于增强医学MLLM的推理能力至关重要。然而，现有方法在为关键诊断寻找有效推理路径方面缺乏全面的框架。为此，我们提出了导师-实习生协作搜索(MICS)，一种新的推理路径搜索方案，用于生成严谨且有效的医学CoT数据。MICS首先利用导师模型逐步初始化推理，然后引导每个实习模型沿着这些启动的路径继续思考，最后根据多个实习模型的整体推理性能选择最优推理路径。推理性能由MICS-Score决定，该得分评估生成推理路径的质量。最终，我们构建了MMRP——一个带有排名难度的多任务医学推理数据集，并通过课程学习策略构建了Chiron-o1——一个具备稳健视觉问答和通用推理能力的新型医学MLLM。广泛的实验表明，Chiron-o1在我们使用MICS构建的CoT数据集训练后，在多个医学视觉问答和推理基准测试中实现了最先进的性能。代码可在https://github.com/manglu097/Chiron-o1获取。
关键词
引用
@article{arxiv.2506.16962,
title = {Chiron-o1: Igniting Multimodal Large Language Models towards Generalizable Medical Reasoning via Mentor-Intern Collaborative Search},
author = {Haoran Sun and Yankai Jiang and Wenjie Lou and Yujie Zhang and Wenjie Li and Lilong Wang and Mianxin Liu and Lei Liu and Xiaosong Wang},
journal= {arXiv preprint arXiv:2506.16962},
year = {2025}
}