X-Ragent:工具增强 RL 训练胸片推理 agent,ChestAgentBench 涨 8.6 分
CarnegieMellonU · hf · 2026-10-14
中科院计算所、CMU 等机构提出 X-Ragent,面向胸片(CXR)解读的工具增强强化学习后训练框架,将「学习何时寻求辅助证据」与「有效性门控的定量测量获取」解耦,防止不适用的量化证据进入诊断推理。
构建 Rad-CoT 语料(7.7K 样本),结合因果有序的工具增强轨迹与报告式诊断推理,先用 agentic SFT 初始化 Qwen3-VL-8B,再用 GRPO 优化策略:准确性门控奖励仅在诊断正确的轨迹上施加测量一致性与工具成本的过程级奖励项,防止貌似合理的过程行为补偿错误诊断。
在三个 CXR 基准上取得最强结果,包括完全留出的 ChestAgentBench 上提升 8.6 分,支持更忠实、有证据依据的胸片推理。
「研究」频道最新
- Dean W. Ball 播客谈机制可解释性与「生长之物」的美 — deanwball · 2026-10-16
- 开发者从零实现迷你 vLLM:连续批处理+分页 KV 缓存全自己写 — Broad-Mirror3873 · 2026-10-16
- UT Austin 研究：LLM 靠药名词缀猜药效，对虚构药物也一本正经 — jessyjli · 2026-10-16
- 学者回应：业界有钱做用户测试，别怪博士生缺产品级指标 — catalinacangea · 2026-10-16
- Joshua Gans 新论文：如何让员工愿意培训「取代自己的替代者」 — joshgans · 2026-10-16
- Eric Topol 拆解巨噬细胞九大功能程序：疾病状态是程序组合而非类型 — EricTopol · 2026-10-16