ClinCoT：面向医疗视觉语言模型的临床感知视觉思维链

医疗视觉语言模型在临床决策支持中潜力巨大，但因缺乏局部病理证据支撑而易产生事实幻觉。现有方法多局限于响应层级的偏好优化，导致中间推理与视觉区域连接薄弱。为此，本文提出 ClinCoT，一种临床感知的视觉思维链框架，将优化重心从响应纠正转向视觉驱动推理。通过构建基于假设的区域提议生成临床 grounded 偏好对，并利用评分感知策略优化区域级推理轨迹。实验表明，该方法显著提升了事实 grounding 能力及整体性能。