FreedomIntelligence 开源医疗模型 HuatuoGPT-3，纯 RL 一阶段训练
jacek2023 · reddit · 2026-09-18
FreedomIntelligence 发布医疗大模型 HuatuoGPT-3-9B，基于 Qwen3.5-9B，采用 One-stage Policy Optimization (OnePO)：跳过传统的领域监督微调，直接用一个强化学习阶段把模型适配到医疗任务。训练中让教师模型的回答提供临时引导，随模型进步逐步弃用。
已同步开源：
- 训练代码（GitHub）
- 医疗 RL 数据集 OnePO-Medical-20K
- 8B 规模的 rubric 评分器 Grader-8B
「模型」频道最新
- 别再按月租智能了:Anthropic 服务端新规再掀开模型之争 — alex_verem · 2026-11-02
- Epoch AI 实验：GLM 5.3 连续攻破 6 个 Firefox 版本，单次成本约 1000 美元 — rohanpaul_ai · 2026-11-02
- SemiAnalysis：安全分类器压分，Opus 5.5 与 GPT-6 Astra 排名被低估 — morqon · 2026-11-02
- 1.7B 本地模型 LFM3 在 MacBook 上首次答对曼城赛程查询 — NielsRogge · 2026-11-02
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02