交互式RL优化Llama用于结肠癌治疗规划

Li-Ching Chen 等在arXiv发布论文（基于摘要），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，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。 作者称，GDPO训练后的策略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超过GPT-5.2达18.82%，且训练期间查询次数更少。结果为作者声称，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。