Med-REFL：通过自校正细粒度反思增强医学推理
人工智能
2026-02-26 v4
摘要
大型推理模型在数学等中间推理易于验证的领域表现出色，但在医学领域却难以自我纠正，因为评估中间推理既繁琐又昂贵。这一验证瓶颈阻碍了可靠AI推理器在高风险应用中的发展。在此，我们提出了Med-REFL，一个无需人工标注或模型蒸馏即可学习细粒度反思的新型框架。Med-REFL引入了对推理空间的确定性结构评估，以自动生成反思的偏好数据。通过全局评估思维树中所有探索的推理路径，我们的方法量化了纠正行动的价值，实现了偏好优化对的自动构建。这训练模型识别和修正自身的推理谬误。大量实验表明，Med-REFL在多样化的模型架构和医学基准上均提供了稳健的提升，在MedQA基准上将通用Llama3.1-8B提升了+5.82%，将最先进模型Huatuo-o1提升了+4.13%。我们的Med-REFL-8B在7-8B模型中达到了最先进性能，甚至能与两倍其规模的模型竞争。关键的是，有针对性的消融实验证明其成功泛化到其他领域，如逻辑推理，并缓解了大型推理模型中的'虚假反思'现象。最终，我们的框架为验证瓶颈提供了可扩展的解决方案，为高风险领域（如医学）中的更可靠AI推理器铺平了道路。Med-REFL已在https://github.com/TianYin123/Med-REFL上公开发布。
引用
@article{arxiv.2506.13793,
title = {Med-REFL: Medical Reasoning Enhancement via Self-Corrected Fine-grained Reflection},
author = {Zongxian Yang and Jiayu Qian and Zegao Peng and Haoyu Zhang and Yu-An Huang and KC Tan and Zhi-An Huang},
journal= {arXiv preprint arXiv:2506.13793},
year = {2026}
}