医学领域中的推理大语言模型：文献综述
人工智能
2025-08-27 v1
摘要
大语言模型（LLM）中高级推理能力的出现标志着医疗保健应用领域的变革性发展。这些推理机制不仅扩展了功能能力，还增强了决策透明度和可解释性——这是医学语境中的关键要求。本综述考察了医学 LLM 从基本信息检索工具到能够支持复杂医疗决策的复杂临床推理系统的转变。我们深入分析了使能技术基础，特别关注了诸如思维链（Chain-of-Thought）等专门的提示技术，以及以 DeepSeek-R1 为代表的强化学习领域的最新突破。我们的研究评估了专门构建的医学框架，同时也审视了新兴范式，如多智能体协作系统和创新的提示架构。本综述批判性地评估了当前用于医学验证的评估方法，并探讨了在领域解释局限性、偏差缓解策略、患者安全框架以及多模态临床数据整合方面的持续挑战。通过本综述，我们旨在为开发能够成为临床实践和医学研究中有效伙伴的可靠 LLM 绘制路线图。
引用
@article{arxiv.2508.19097,
title = {Reasoning LLMs in the Medical Domain: A Literature Survey},
author = {Armin Berger and Sarthak Khanna and David Berghaus and Rafet Sifa},
journal= {arXiv preprint arXiv:2508.19097},
year = {2025}
}