强化学习用于结肠癌治疗规划研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Li-Ching Chen 等作者的论文，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，并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。研究使用 GRPO 和 GDPO 优化 Llama-3.1-8B-Instruct，报道称 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。该报道为目前唯一来源，尚无后续跟进报道，上述提升幅度与对比结果均出自该论文自述，未获独立验证。

AI 根据报道生成 · 19 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。