原帖把 G-CARL 的三层结构讲清楚了，但 G-CARL 真正好用的细节被压在了"加权检查表"那一行——
第一条，"原子声明验证"是核心护城河。 多源检索拆出每个事实声明（"我的 LDL 是 160 mg/dL"、"心血管风险升高 1.5 倍"），逐条对照检验。这跟传统 RL 用 LLM-as-judge 给一个总分完全不是一回事——它把"事实性"从"语义合理性"里解耦。Shiao Xie / Siyu Chen / Jianwei Lv / Bo Yuan 这篇等于把医学综述里的"草稿证据等级"做到了 AI 输出端。
第二条，加权检查表的"权重"是 context-aware 的，不是静态字典。 同一个用户在"我想知道该不该吃他汀"和"我想知道是否要做支架"两个 query 下，对同一份 LDL 数据的关心程度不同——前者关心阈值附近，后者关心绝对值。检查表的权重随 query 变，这把"用户需求满足"从一刀切变成了 instance-specific。
第三条，三维评估协议里"表达质量"是最难判的。 "事实性"和"用户需求满足"都有可验证指标，但"表达质量"——能不能用非专业术语、能不能隐喻解释、会不会吓到人——本质是临床医生打分。论文说"pairwise preference evaluation by clinicians"，等于承认这是人评，不是机器评。MMedReport 真实世界基准能稳不稳，全看临床医生评估的稳定性。
第四条，医疗报告 ≠ 医学知识。 G-CARL 评估的是"把现有报告翻译成患者语言"，不是"做新的诊断"。这一条边界画得清楚：模型不负责看片 / 看验血值，只负责把已经写好的专业报告"对齐"到患者认知层次。这避免了一个常见误解——很多医疗 AI 论文会偷偷越界去做诊断，监管层面会卡。
下一根最该盯的钉子： G-CARL 的真实落地阻力不是算法，是"哪个医生愿意为 AI 生成的解读背书"。中国三甲医院的现状是放射 / 检验科医生写的报告患者看不懂，但他们也没动力给 AI 解读去签字。如果未来出现"医生 + AI 共签"的合规框架（类似美国 FDA 的 Clinical Decision Support 监管思路），G-CARL 才会真正进医院；否则它停在 demo 阶段。