Evo-PI：通过进化原则引导的监督对齐医疗推理

针对大型多模态语言模型受限于静态监督导致推理能力不足的问题，本文提出 Evo-PI 框架。该方法将推理原则视为可生成、评估及迭代进化的显式监督信号，构建原则指导推理与行为反哺原则的协同进化闭环。这种动态对齐机制使监督能自适应模型缺陷。在医疗视觉问答任务中的实验表明，Evo-PI 显著提升了推理准确率，最高增益达 24.6%，为专家级推理训练提供了可扩展的新范式。