MediX-R1：面向医学多模态大语言模型的开放式医学强化学习
计算机视觉与模式识别
2026-02-27 v1
摘要
我们介绍MediX-R1，这是一个面向医学多模态大语言模型（MLLM）的开放式强化学习（RL）框架，使其能够获得临床导向的自由形式答案，而不仅仅是多选格式。MediX-R1通过基于群体的RL和针对医学推理设计的复合奖励来微调基础视觉语言 Backbone。该奖励包括：基于LLM的准确性奖励，通过严格的YES/NO决定判断语义正确性；医学嵌入式语义奖励，用于捕捉同义词和术语变体；以及轻量级格式和模态奖励，用于强制可解释推理和模态识别。这种多信号设计为开放式输出提供了稳定、信息丰富的反馈，而传统的可验证或仅限MCQ奖励在此类输出中不足。为衡量进展，我们提出了统一的评估框架，用于文本-only和图像+文本任务，采用基于参考的LLM评判器代替脆弱的字符串重叠指标，捕捉语义正确性、推理和情境对齐。尽管仅使用约5.1万条指令示例，MediX-R1在标准医学LLM（文本-only）和VLM（图像+文本）基准测试中均取得优异成绩，尤其在开放式临床任务上取得了显著提升。我们的结果表明，综合奖励信号和LLM-based评估的开放式RL是实现可靠医学推理的实用路径。我们训练的模型、精选数据集和源代码均已在 https://medix.cvmbzuai.com 提供。
引用
@article{arxiv.2602.23363,
title = {MediX-R1: Open Ended Medical Reinforcement Learning},
author = {Sahal Shaji Mullappilly and Mohammed Irfan Kurpath and Omair Mohamed and Mohamed Zidan and Fahad Khan and Salman Khan and Rao Anwer and Hisham Cholakkal},
journal= {arXiv preprint arXiv:2602.23363},
year = {2026}
}