C-MIG：基于多视图信息增益的临床诊断RAG框架论文摘要发布

Yuwei Miao 等人在 arXiv 发布论文摘要，提出面向临床诊断推理的 RAG 框架 C-MIG。方法将检索与信息精炼两个中间步骤分别按其对真实答案预测似然的信息增益作为强化学习奖励，并使用冻结的参考模型提供稳定奖励，无需额外奖励模型或教师模型。 基于四个医学基准的摘要实验，作者称 C-MIG 在域内外均超过 RAG-RL 基线，并在大规模医学专用与通用大语言模型竞争下保持竞争力；训练开销约为 3.4%，且不增加推理时成本。以上均为论文摘要中的作者声称，尚属摘要阶段结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。