Med-CoReasoner：通过语言信息协同推理降低医学推理中的语言差异
计算与语言
2026-05-27 v3
摘要
尽管增强推理的大型语言模型在英语医学任务中表现出强大的性能，但仍存在显著的多语言差距，尤其在本地语言中推理能力较弱，限制了全球医疗部署的公平性。为弥合这一差距，我们引入 Med-CoReasoner，一种 language-informed 协同推理框架，通过激发平行英语和本地语言推理，抽象为结构化概念，并通过概念级对齐和检索将本地临床知识整合到英语逻辑框架中。该设计将英语推理的结构鲁棒性与本地语言中编码的实践基础知识相结合。为评估超越多选题设置的多语言医学推理，我们构建 MultiMed-X，涵盖七种语言，包含专家标注的长形式问答和自然语言推理任务，每个语言包含 350 个实例。跨越三个基准的实验表明，Med-CoReasoner 在多语言推理性能上平均提升 5%，在低资源语言中提升尤为显著。此外，模型蒸馏和专家评估分析进一步确认 Med-CoReasoner 产生临床上合理且在文化上符合当地语境的推理痕迹。
关键词
引用
@article{arxiv.2601.08267,
title = {Med-CoReasoner: Reducing Language Disparities in Medical Reasoning via Language-Informed Co-Reasoning},
author = {Fan Gao and Sherry T. Tong and Jiwoong Sohn and Jiahao Huang and Junfeng Jiang and Ding Xia and Piyalitt Ittichaiwong and Kanyakorn Veerakanjana and Hyunjae Kim and Qingyu Chen and Edison Marrese Taylor and Kazuma Kobayashi and Akiko Aizawa and Irene Li},
journal= {arXiv preprint arXiv:2601.08267},
year = {2026}
}