هوش مصنوعی
MedZERO چارچوبی برای بهبود تدریجی استدلال پزشکی مدل‌های زبانی معرفی می‌کند
این سامانه با تولید پرسش‌های پزشکی و حل آن‌ها با اتکا به شواهد و ابزارهای دانش بیرونی، در پنج معیار پژوهشی از روش‌های ارزیابی‌شده بهتر عمل کرده است.
پژوهشگران در مقاله‌ای که در arXiv منتشر شده، MedZERO را معرفی کرده‌اند؛ چارچوبی برای بهبود مدل‌های زبانی در استدلال پزشکیِ باز و پیچیده. برخلاف ریاضی یا برنامه‌نویسی، پاسخ‌های پزشکی همیشه با یک جواب دقیق یا اجرای کد قابل‌سنجش نیستند و به دانش گسترده و ارزیابی دشوارتری نیاز دارند.
MedZERO از دو عامل تشکیل شده است: Examiner پرسش‌های پزشکی تازه‌ای در مرز توانایی مدل تولید می‌کند و Reasoner با استدلال چندمرحله‌ای و استفاده از ابزارهای دانش بیرونی به آن‌ها پاسخ می‌دهد. این چارچوب برای مدیریت یادگیری، دانش اکتشافیِ موقت را از دانش پالایش‌شده و ماندگار جدا نگه می‌دارد.
پژوهشگران سامانه را با مدل‌های پایهٔ ۴ و ۸ میلیاردپارامتری روی پنج معیار عمومی استدلال پزشکی ارزیابی کردند. بر اساس مقاله، MedZERO در هر دو مقیاس به بالاترین میانگین دقت در میان روش‌های مقایسه‌شده رسید. جزئیات کامل‌تر دربارهٔ میزان برتری در متن ارائه‌شده نیامده است. مقاله می‌گوید این پژوهش در NeurIPS 2026 پذیرفته شده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده