medR：基于三驱动潜在函数的临床离线强化学习奖励工程
机器学习
2026-02-05 v2
摘要
强化学习（RL）提供了一种优化动态治疗方案（DTRs）的强大框架。然而，临床RL fundamentally 受限于奖励工程：即在复杂、稀疏的离线环境中定义安全且有效引导策略学习的信号。现有方法往往依赖手动启发式方法，难以在不同病灶之间普遍适用。为此，我们提出了一个自动化管道，利用大型语言模型（LLM）进行离线奖励设计和验证。我们将奖励函数构建为由三种核心组件组成的潜在函数：生存、置信和能力。我们进一步引入量化指标，对奖励结构进行严格评估和筛选，以选择最佳奖励结构再部署。通过集成LLM驱动的领域知识，该框架自动为特定疾病设计奖励函数，同时显著提升所得策略的性能。
引用
@article{arxiv.2602.03305,
title = {medR: Reward Engineering for Clinical Offline Reinforcement Learning via Tri-Drive Potential Functions},
author = {Qianyi Xu and Gousia Habib and Feng Wu and Yanrui Du and Zhihui Chen and Swapnil Mishra and Dilruk Perera and Mengling Feng},
journal= {arXiv preprint arXiv:2602.03305},
year = {2026}
}