arXiv · cs.AI· Li-Ching Chen, Andr\'es Franco Valiente, Yuta Ishiyama, Zachary R. Chalmers, William Chen, Kelsey Natsuhara, Taema Brinjikji, Madhumita Sushil, Travis Zack, Julian C. Hong·· 11 小时前
结肠癌治疗规划中的部分可验证环境强化学习
Reinforcement Learning In Partially Verifiable Environments for Colon Cancer Treatment Planning
arXiv:2610.17426v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Li-Ching Chen, Andr\'es Franco Valiente, Yuta Ishiyama, Zachary R. Chalmers, William Chen, Kelsey Natsuhara, Taema Brinjikji, Madhumita Sushil, Travis Zack, Julian C. Hong
研究任务与主要进展
基于论文摘要，作者将结肠癌治疗规划建模为部分可观测的交互式强化学习任务，利用真实临床记录中的决策过程构造患者特定、流程感知的奖励，并用GRPO和GDPO优化Llama-3.1-8B-Instruct。GDPO策略的Mean@3标量临床奖励较基础Llama提升79.60%，在同一交互式环境下较GPT-5.2高18.82%，同时减少了训练期间的查询次数。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org