FaithMed：训练大语言模型进行忠实的循证医学推理

忠实的推理在医学领域至关重要，临床决策需基于可靠证据并提供透明论证。现有医疗大模型要么缺乏主动获取证据的能力，要么在使用检索证据时缺乏对其评估与应用的有效监督。为此，本文将循证医学原则形式化为过程级标准，提出 FaithMed 框架。该框架结合医生设计的自动优化评分规则，利用步级过程奖励分配与优势分组进行强化学习训练。在七个医学基准测试中，FaithMed 相较于智能搜索基线平均提升 9%，优于仅结果导向的强化学习（+5.8%），并将循证医学规则得分提高 15.5%。研究表明，显式的步级监督能显著提升任务成功率及推理过程的忠实度。