对话优于独白：通过战略性对话训练医学大语言模型
计算与语言
2026-02-24 v2 人工智能
摘要
当前医学人工智能系统往往无法复制实际的临床推理，因为它们主要在静态文本和问答任务上进行训练和评估。这些调谐方法和基准测试忽略了诸如证据驱动推理和处理干扰信息等关键方面。为弥合这一差距，我们引入了一个新基准，模拟真实世界的诊断情景，将噪声和难度水平与 USMLE 标准相匹配。此外，我们探索基于对话的微调，这将静态数据集转换为对话格式，以更好地捕获迭代推理过程。实验表明，对话调谐的模型在多轮推理情景中 outperform 传统方法，在噪声环境下的准确率提升了 和 。我们的发现突显了基于对话的微调是推进临床相关且稳健医学人工智能系统的有前景的方法。
引用
@article{arxiv.2501.17860,
title = {Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations},
author = {Zijie Liu and Xinyu Zhao and Jie Peng and Zhuangdi Zhu and Qingyu Chen and Kaidi Xu and Xia Hu and Tianlong Chen},
journal= {arXiv preprint arXiv:2501.17860},
year = {2026}
}
备注
EACL 2026