arXiv Artificial Intelligence· Li-Ching Chen, Andr\'es Franco Valiente, Yuta Ishiyama, Zachary R. Chalmers, William Chen, Kelsey Natsuhara, Taema Brinjikji, Madhumita Sushil, Travis Zack, Julian C. Hong·· 18 小时前AI 评分29
在部分可验证环境中用强化学习做结肠癌治疗方案规划
Reinforcement Learning In Partially Verifiable Environments for Colon Cancer Treatment Planning
AI 导读
研究将肿瘤治疗规划建模为部分可观测下的交互式强化学习问题，用真实临床记录构建患者特异、过程感知的奖励，智能体需先顺序采集信息再给出首选治疗推荐。使用 GRPO 和 GDPO 优化 Llama-3.1-8B-Instruct，GDPO 训练的策略将 Mean@3 临床标量奖励较基座提升 79.60%，在同一交互环境中超过 GPT-5.2 达 18.82%，同时减少训练中的查询次数。
来源：arXiv Artificial Intelligence · arxiv.org