MedXIAOHE：构建医学多模态大语言模型的全方位配方
计算与语言
2026-04-08 v4 人工智能
计算机视觉与模式识别
图像与视频处理
摘要
我们提出MedXIAOHE，一款面向医学视觉语言基础模型，旨在推动通用医学理解与推理在实际临床应用中的发展。MedXIAOHE在多样化医学基准测试上实现了领先的性能，并在多个能力方面超越了领先的闭源多模态系统。为实现此目标，我们提出了面向实体的持续预训练框架，将异构医学语料组织起来扩充知识覆盖范围，缩小长尾差距（例如罕见疾病）。为实现医学专家水平的推理与交互，MedXIAOHE通过强化学习和工具增强型智能体训练，融合多样化的医学推理模式，实现带可验证决策痕迹的多步诊断推理。为提升实际使用的可靠性，MedXIAOHE集成了用户偏好准则、证据导向的推理以及低幻觉的长篇报告生成，提高了对医学指令的遵循程度。我们发布本报告以记录我们的实际设计选择、规模化见解和评估框架，希望能激发进一步的研究。
引用
@article{arxiv.2602.12705,
title = {MedXIAOHE: A Comprehensive Recipe for Building Medical MLLMs},
author = {Baorong Shi and Bo Cui and Boyuan Jiang and Deli Yu and Fang Qian and Haihua Yang and Huichao Wang and Jiale Chen and Jianfei Pan and Jieqiong Cao and Jinghao Lin and Kai Wu and Lin Yang and Shengsheng Yao and Tao Chen and Xiaojun Xiao and Xiaozhong Ji and Xu Wang and Yijun He and Zhixiong Yang},
journal= {arXiv preprint arXiv:2602.12705},
year = {2026}
}
备注
XIAOHE Medical AI team. See paper for full author list. Currently, the model is exclusively available on XIAOHE AI Doctor, accessible via both the App Store and the Douyin Mini Program. Updated to improve the layout