GUIDER：面向临床指南推理的潜在决策流奖励方法

GUIDER 联合优化决策流控制器与推理策略，用控制器生成多条合理决策流计算过程奖励以应对路径多样性，并以答案正确性门控该奖励来弥合路径与答案的差距。在 MedGUIDE 上，Qwen3-14B 版 GUIDER 取得 82.5 加权准确率和 73.5 指南依从性，分别比最强临床强化学习基线高 3.3 和 3.1 分。