arXiv Artificial Intelligence· Arash Ahmadi, Parisa Masnadi Khiabani, Sarah Sharif, Charles Nicholson, David Ebert, Aswathy K. Vaikom House, Mike Banad·· 19 小时前AI 评分24
用方差感知评分奖励与 GRPO 提升 LLM 心脏医学问答能力
Improving Heart-Focused Medical Question Answering in LLMs via Variance-Aware Rubric Rewards with GRPO
AI 导读
研究用 GRPO 结合 RaR-Medicine 的评分标准监督，训练心脏相关医学问答模型，提出方差感知奖励框架从准则级结果构建连续奖励，保留部分得分并降低奖励稀疏性。
来源：arXiv Artificial Intelligence · arxiv.org