Google用模拟患者RL训练Gemini做精神科问诊，安全漏判减半

Google DeepMind 联合 Harvard、Stanford、Johns Hopkins 等十余家机构发布论文《Training language models in simulation for psychiatric intake》（arXiv:2610.40476，Samuel Schmidgall、Valentin Lievin 等 56 人团队，将此前的 ResidencyRL 扩展到精神科问诊场景），提出用多轮强化学习在模拟患者环境中训练 Gemini 执行结构化精神科预诊问诊，重点学习病史采集与医患信任建立这两项精神科独有难点技能。仿真训练显著提升了接诊质量与安全性，为 LLM 进入高敏感医疗场景提供了可验证的技术路径。

已确认

• 训练方式为在模拟多轮临床问诊中练习，每条轨迹最多 60 轮对话、8 次工具调用
• 在 32 名精神科医生扮演病人的双盲 OSCE（客观结构化临床考试）测试中，仿真训练后的 agent 在 76.7% 的配对中胜过基座模型：临床检查得分 3.04 vs 2.32，鉴别诊断正确率 68.3% vs 33.3%，沟通能力 82.0%（基座数据帖中未完整给出）
• 急性漏分诊（under-triage）率从 30.5% 降至 12.9%（降幅超一半，p<0.0001），禁忌处方从 6.2% 降至 0.8%（p=0.001）
• 在由 54 名委员会认证精神科医生验证的 127 个模拟接诊场景中，临床量规得分从 0.379 升至 0.706，综合分从 0.294 升至 0.564，并由独立的外部家族评审模型（GPT-5.6 系列）复核
• 作者同时给出方法论警示：在 60 个场景的对比中，autorater 与精神科医生评分仅中度相关（ρ=0.57-0.58），且用仿真替代人类病人会放大测得的增益（0.34 vs 0.21）；仿真评估能可靠检测模型间增益的方向，但难以准确测得增益幅度

为什么重要

精神科问诊涉及高风险分诊决策与禁忌处方，漏判与误处方的安全成本极高。该工作表明模拟环境中的强化学习可在无需真实患者的前提下大幅提升模型的临床能力与安全性，为 LLM 进入高敏感医疗场景提供了一条可验证、可复现的技术路径；同时其对仿真评估局限性的诚实分析，对后续同类研究的评测设计具有参考价值。

2026-10-31 ~ 2026-10-31 · 12 条相关

• 【源头】谷歌用模拟患者 RL 训练 Gemini 做精神科问诊,安全漏判减半 — SRSchmidgall · 2026-10-31
• 双盲OSCE测试:仿真训练模型在76.7%配对中胜过基座 — SRSchmidgall · 2026-10-31
• 54名精神科医生验证：仿真RL让Gemini接诊评分从0.379升至0.706 — SRSchmidgall · 2026-10-31
• AI自动评分与精神科医生中度一致,仿真评估可靠但难测增益幅度 — SRSchmidgall · 2026-10-31
• 【源头】仿真RL训练让Gemini精神科接诊漏分诊率从30.5%降至12.9% — SRSchmidgall · 2026-10-31
• 【源头】Google等56人团队论文:仿真RL训练语言模型做精神科接诊 — SRSchmidgall · 2026-10-31
• DeepMind 精神科问诊 AI 论文：模拟 RL 训练后 76.7% 场景更受医生青睐 — SRSchmidgall · 2026-10-31

另有 5 条近重复转述:SRSchmidgall · SRSchmidgall · SRSchmidgall · SRSchmidgall · SRSchmidgall