CURE-MED 與 CUREMED-BENCH：強化多語醫療推理的課程式強化學習方案
大語言模型在多語醫療推理仍不穩定。本研究釋出CUREMED-BENCH資料集並提出CURE-MED框架，結合代碼切換感知監督微調與群體相對策略優化的課程式強化學習，顯著提升多語語言一致性與推理正確率，7B與32B模型分別達成約85%/54%與95%/70%。
要點速覽
大語言模型（LLM）在單語推理上已有進展，但在多語醫療推理仍不可靠，成為跨語言醫療應用的障礙。研究提出資料集與訓練框架，目標改善語言穩定性與邏輯正確性。
研究團隊建立 CUREMED-BENCH，一個高品質的多語醫療推理資料集，包含十三種語言，且題目為開放式推理但僅有單一可驗證答案，並列入少數語系如 Amharic、Yoruba、Swahili。
基於該資料，研發 CURE-MED，一套課程式（curriculum-informed）的強化學習流程。方法結合代碼切換感知的監督微調與 Group Relative Policy Optimization，讓模型在保持語言表現穩定的同時提升推理的邏輯正確度。
實驗結果顯示，CURE-MED 在十三種語言上都超越強基準，且隨模型規模放大效果更明顯；報告列出在 7B 與 32B 兩種規模上的語言一致性與邏輯正確率指標，驗證方法可望推動更可靠且公平的多語醫療推理。程式碼與資料集已公開。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
