MedVR：通过代理强化学习进行无注释医学视觉推理

医学视觉语言模型 (VLM) 为复杂的临床任务带来了巨大的希望，但它们的推理能力往往受到纯文本范式的限制，而这些范式无法根据视觉证据进行推理。这种限制不仅会降低需要细粒度视觉分析的任务的性能，还会在安全关键型应用中引入视幻觉的风险。因此，我们推出了 MedVR，这是一种新颖的强化学习框架，可为医学 VLM 提供无注释的视觉推理。其核心创新在于两个协同机制：熵引导的视觉重新定位（EVR）利用模型不确定性来指导探索，而基于共识的贡献分配（CCA）则从采样轨迹间的一致性中提炼出伪监督。 MedVR 在没有任何中间步骤的人工注释的情况下，在各种公共医疗 VQA 基准上实现了最先进的性能，显着优于现有模型。通过学习直接利用视觉证据进行推理，MedVR 提高了加速医疗人工智能临床部署所必需的稳健性和透明度。