RES-MR：面向可解释与安全用药推荐的风险感知推理框架

研究者提出 RES-MR，一个基于 LLM 的风险感知推理框架，用于可解释且安全的用药推荐。它采用两阶段训练：先通过图检索增强的合成推理轨迹做可解释临床推理蒸馏，再用解耦药物因子构建患者特异性参考原型，进行风险边界校准与奖励塑形。在基准数据集上，RES-MR 在准确性、安全性和可解释性上均显著优于 SOTA 基线，代码与数据已开源。