方差感知评分奖励提升心脏医学问答准确率
热点事件持续更新
方差感知评分奖励提升心脏医学问答准确率
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Arash Ahmadi等作者提出一种方差感知评分奖励框架，与GRPO结合用于训练心脏专科医学问答模型。该方法基于RaR-Medicine的评分监督构建连续奖励，保留部分得分以缓解奖励稀疏，而非依赖二值评分聚合或单一总分。 在Qwen3-14B上经低秩适配器和量化权重微调后，模型在留出的心脏相关HealthBench子集上准确率从0.362升至0.502，F1从0.532升至0.668。上述结果为该论文报告的数据。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
用方差感知评分奖励与 GRPO 提升 LLM 心脏医学问答能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AI用方差感知评分奖励与 GRPO 提升 LLM 心脏医学问答能力
研究用 GRPO 结合 RaR-Medicine 的评分监督，为心脏专科医学问答构建方差感知的连续奖励，保留部分得分并缓解奖励稀疏。基于低秩适配器和量化权重微调的 Qwen3-14B，在留出的心脏相关 HealthBench 子集上准确率从 0.362 提升至 0.502，F1 从 0.532 提升至 0.668。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。