DEEPMED：通过多跳医学搜索数据和回合控制的智能体训练与推理构建医学深度研究代理

医学推理模型受限于参数化知识，容易出现遗忘和幻觉。DeepResearch（DR）模型基于可验证证据进行输出，在通用领域表现良好，但在医学领域的直接迁移效果有限。我们将其归因于任务特性和工具使用扩展两个方面的不足。医学问题需要在知识密集型临床背景下解释证据；而通用DR模型虽然能够检索信息，但往往缺乏临床背景推理能力，导致“找到但无法利用”信息，从而限制了性能。此外，在医学场景中盲目扩展工具调用可能引入噪声上下文，干扰敏感的医学推理，并促使沿着错误路径重复寻找证据。因此，我们提出了DeepMed。在数据方面，我们采用多跳医学搜索问答合成方法，使模型能够在医学背景下应用DR范式。在训练方面，我们引入难度感知的回合惩罚机制，以抑制过度的工具调用增长。在推理阶段，我们引入监控机制，帮助在受控步骤内验证假设并避免上下文退化。总体而言，在七个医学基准测试中，DeepMed平均比其基础模型提升了9.79%，并且优于更大的医学推理和DR模型。