GRPO结合方差感知奖励提升心脏医学问答
热点事件持续更新
GRPO结合方差感知奖励提升心脏医学问答
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Arash Ahmadi等作者提出一种结合GRPO与方差感知评分奖励的医疗问答方法，用评分监督从准则级结果构建连续奖励，保留部分得分并降低奖励稀疏性。 研究基于Qwen3-14B，采用低秩适配器与量化权重，在留出的心脏相关HealthBench子集上，最佳变体将准确率从0.362提升至0.502、F1从0.532提升至0.668，接近GPT-OSS-120B。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
用方差感知评分奖励与 GRPO 提升 LLM 心脏医学问答能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AI用方差感知评分奖励与 GRPO 提升 LLM 心脏医学问答能力
研究用 GRPO 结合 RaR-Medicine 的评分监督，以方差感知奖励框架从准则级结果构建连续奖励，保留部分得分并降低奖励稀疏性。基于 Qwen3-14B 并采用低秩适配器与量化权重，在留出的心脏相关 HealthBench 子集上最佳变体将准确率从 0.362 提升至 0.502、F1 从 0.532 提升至 0.668，接近 GPT-OSS-120B。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。