研究人员开发了一种新颖的强化学习（RL）方法，用于在部分可验证环境中规划结肠癌治疗。该方法将治疗规划构建为一个交互式RL问题，利用源自真实临床数据的患者特定奖励。通过使用GRPO和GDPO优化 Llama-3.1-8B-Instruct 等模型，RL智能体学会收集信息和选择治疗方案，与基础 Llama 策略相比，临床奖励显著提高了 79% 以上，比 GPT-5.2 提高了近 19%。该方法能有效处理部分观察到的患者状态和决策过程，展示了人工智能在复杂医疗决策领域的光明前景。 AI
影响 展示了强化学习在复杂医疗决策中的新颖应用，有望改善治疗效果和效率。
排序理由 学术论文，详细介绍了新方法和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- colorectal cancer
- GPT-5.2
- Grpo
- large-language models
- Llama 3.1 8B-Instruct
- reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
