MedZERO：受控知识积累的自演化医学推理 Agent

大语言模型（LLM）在医学问答和临床推理方面表现出了希望，但其改进仍然受到静态参数知识和昂贵的专家监督的限制。自我进化的智能体提供了一种有前途的替代方案，使模型能够通过迭代任务生成和问题解决来改进。然而，大多数现有的自进化方法都是为易于验证的领域（例如数学和编码）而设计的，可以通过确切的答案或可执行程序来检查解决方案。医学推理有着根本的不同：​​它是开放式的、知识密集型的，而且通常只能部分验证。我们推出 MedZERO，一个用于开放式医学推理的自我进化框架。 MedZERO 将生成前沿医学问题选项对的 Examiner 与 Reasoner 结合起来，Reasoner 通过基于证据的多轮推理和外部知识工具来解决这些问题。为了支持可靠、持续的改进，MedZERO 采用受控知识积累，维护临时探索性知识和策划持久性推理知识。我们在开放式评估下使用 4B 和 8B 规模的基本模型在五个公共医学推理基准上评估 MedZERO。在所有设置中，MedZERO 始终优于底层基础模型和之前的自我进化基线，与次佳自我进化基线相比，平均准确度提高了 13.7 个点。