RES-MR：面向可解释与安全用药推荐的风险感知推理框架

RES-MR 是一个基于 LLM 的风险感知推理框架，用于可解释且安全的用药推荐，采用两阶段训练：先通过图检索获取患者知识、在合成推理轨迹上微调完成可解释临床推理蒸馏，再用解耦药物因子构建患者特异性参考原型进行风险感知策略优化，以奖励塑形和裁剪校准风险边界。在基准数据集上，RES-MR 在准确率、安全性和可解释性上显著优于当前最优基线，代码与数据已公开。