论文
从答案到论证：以Toulmin引导的课程式目标条件学习迈向可信赖的临床诊断推理
From Answers to Arguments: Toward Trustworthy Clinical Diagnostic Reasoning with Toulmin-Guided Curriculum Goal-Conditioned Learning
摘要
大语言模型（LLM）融入临床决策支持的关键障碍在于其推理不透明且常常不可靠。在高风险的医疗领域，仅有正确答案并不够；临床实践要求完全的透明性，以保障患者安全并落实职业问责。当前LLM普遍而危险的弱点是倾向于“通过有缺陷的推理得出正确答案”。这一问题远非轻微的学术缺陷；此类过程性错误表明模型从根本上缺乏稳健的理解，使其在面对真实临床复杂性时更易出现大范围幻觉与不可预测的失败。本文将Toulmin模型适配到诊断过程，建立可信赖临床论证框架。我们提出一种新颖的训练流水线：课程式目标条件学习（CGCL），用于渐进地训练LLM生成显式遵循Toulmin结构的诊断论证。CGCL的渐进式三阶段课程系统地构建扎实的临床论证：(1) 提取事实并生成鉴别诊断；(2) 论证核心假设并反驳备选假设；(3) 将分析综合为最终的、带限定条件的结论。我们使用T-Eval验证CGCL，这是一个衡量诊断推理完整性的定量框架。实验表明，我们的方法在诊断准确率与推理质量上可与资源密集型的强化学习（RL）方法媲美，同时提供更稳定、更高效的训练流水线。
