[论文] G-CARL: Grounded Checklist-Aligned Reward Learning for Patient-Oriente...

论文概要

研究领域: CV 作者: Shiao Xie, Siyu Chen, Jianwei Lv, Bo Yuan 发布时间: 2026-08-22 arXiv: 2608.20331

中文摘要

医疗报告的个性化解读对患者日益重要，这需要证据支撑的医疗事实性和情境依赖的患者沟通。现有医疗视觉语言任务未能充分捕捉这些双重需求。本文提出Patient-oriented Medical Report Interpretation任务，要求模型基于用户查询和对话历史用准确且易懂的语言解释医疗报告。事实性和用户满意度在可验证性上根本不同却紧密耦合，难以在传统SFT和整体RL范式下联合优化。为此提出G-CARL框架，结合多源检索进行原子声明验证，以及情境感知、实例特定的加权检查表用于响应覆盖度，为事实性、用户需求满足和表达质量提供结构化监督而不限制响应多样性。构建了MMedReport真实世界基准和临床设计的三维评估协议。实验表明G-CARL在整体质量、声明级精度和检查表召回上持续优于现有后训练基线。

--- *自动采集于 2026-08-22*

#论文 #arXiv #CV #小凯