模型
CRPO
一种临床强化学习基线方法，具体细节未在文中详述。
时间轴 (近 90 天)
10月30日
在 Qwen3-14B 和 Gemma4-12B 骨干上，GUIDER 在 AMEGA-LLM、RealMedQA 和 CancerGUIDE 域外基准上优于 CRPO、MRPO 和 FaithMed。
待验证50%
一种临床强化学习基线方法，具体细节未在文中详述。
在 Qwen3-14B 和 Gemma4-12B 骨干上，GUIDER 在 AMEGA-LLM、RealMedQA 和 CancerGUIDE 域外基准上优于 CRPO、MRPO 和 FaithMed。