评估证据引导的强化学习框架在轻量级大语言模型与精神科临床推理决策认知对齐中的应用

大语言模型在医疗决策支持方面潜力巨大，但在精神科应用中受限于幻觉和浅层推理，尤其是轻量级模型。现有训练范式重语言流畅性而轻临床逻辑，导致与专业诊断认知错位。本文提出 ClinMPO，一种强化学习框架，旨在将 LLM 的内部推理与精神科专业实践对齐。该框架利用基于循证医学原则构建的奖励模型进行优化。实验表明，经 ClinMPO 微调的轻量级模型在复杂推理任务上的诊断准确率超越了医学生基准，证明了证据引导优化能使小参数模型掌握复杂推理。