RLVR и RAGES: новый метод обучения ИИ для диагностики по симптомам
Большие языковые модели (LLM) традиционно работают в пассивном режиме: они анализируют только те данные, которые им предоставили. Однако в реальной медицине врач задаёт уточняющие вопросы и назначает обследования. Учёные предложили новую парадигму — обучение с подкреплением на основе проверяемых наград (RLVR) для итеративного поиска улик.
В рамках исследования создана среда, в которой LLM самостоятельно решает, какой симптом уточнить или какой тест назначить. Модель получает вознаграждение за точность диагноза и обоснованность запросов. Такой подход превращает ИИ из пассивного ответчика в активного ассистента, способного вести диагностический диалог.
Ключевой элемент — симулятор обследований RAGES (Retrieval-Augmented Generation-based Examination Simulator). Он использует генерацию с дополнением по базе знаний, чтобы правдоподобно отвечать на запросы модели. RAGES выдаёт биологически реалистичные результаты, что позволяет обучать ИИ без риска для пациентов.
Эксперименты на различных наборах медицинских данных показали, что модели, обученные по RLVR, достигают точности, сопоставимой с более крупными аналогами и специализированными системами рассуждений. При этом RAGES оказался эффективнее обычных LLM в генерации клинически значимой обратной связи.
Разработчики подчёркивают, что метод не требует дополнительных размеченных диалогов — награды вычисляются автоматически на основе правильности диагноза. Это открывает путь к масштабированию обучения для разных клинических сценариев.
Исследование опубликовано на arXiv (идентификатор 2607.02983) и описывает универсальный фреймворк, который может быть адаптирован не только для медицины, но и для других областей, требующих последовательного сбора информации — например, технической диагностики или юридического анализа.
