全开源Meditron：面向临床LLM的可审计流水线

临床决策支持系统（CDSS）需要可审视、可审计的流水线，以支持严格且可复现的验证。然而，当前基于LLM的CDSS大体上仍不透明。大多数“开放”模型只是开放权重：发布参数，却隐瞒了决定模型行为的数据来源、数据整理流程与生成流水线。端到端公开完整训练栈的全开放（FO）模型，目前在医学领域尚不存在。我们提出全开源Meditron（Fully Open Meditron），首个构建LLM-CDSS的全开放流水线，包含经临床医生审计的训练语料、可复现的数据构建与训练框架，以及面向用法的评估协议。语料将八个公开医学问答数据集统一为规范化的对话格式，并以三个经临床医生审核的合成扩展扩充覆盖面：考试式问答、从46,469份临床实践指南导出的指南接地问答，以及临床病例小故事。该流水线强制执行全系统去污染、对教师生成结果的黄金标签重采样，以及由四名医生小组进行的端到端验证。我们采用LLM作为评判者的协议，在专家撰写的临床病例小故事上评估，并以204名人类评分者进行校准。我们将该配方应用于五个FO基座模型（Apertus-70B/8B-Instruct、OLMo-2-32B-SFT、EuroLLM-22B/9B-Instruct）。所有MeditronFO变体都优于其基座。Apertus-70B-MeditronFO在聚合医学基准上比其基座提升6.6分（47.2%到53.8%），确立了新的FO最优水平。Gemma-3-27B-MeditronFO在58.6%的LLM评判比较中优于MedGemma，并在HealthBench上胜出（58% vs 55.9%）。这些结果表明，全开放流水线可以在不牺牲可审计性与可复现性的前提下，达到最先进的领域专用性能。