Infection-Reasoner：一种具备证据支撑临床推理能力的紧凑型视觉 - 语言伤口感染分类模型

针对慢性伤口感染评估中视觉差异大及现有方法缺乏可解释性的问题，本文提出 Infection-Reasoner，一种 40 亿参数的推理型视觉 - 语言模型。该模型采用两阶段训练策略：首先利用 GPT-5.1 生成思维链理由进行推理蒸馏，初始化特定伤口的推理能力；随后在小规模标注数据集上通过群组相对策略优化进行强化学习后训练，以细化分类推理。实验表明，该模型在异构伤口数据集上的准确率、敏感性和特异性均优于包括 GPT-5.1 在内的多个强基线，且生成的理由经专家评估具有高质量的证据支撑性。