让大语言模型主动寻找证据的强化学习诊断推理

论文将医学诊断形式化为迭代证据寻求任务，利用带可验证奖励的强化学习训练模型主动选择检查，并提出基于检索增强生成的RAGES检查模拟器，为模型提供知识约束且更符合生物学的后续临床证据。作者称，该方法在多类数据集上可媲美更大或具推理增强的基线。