Validation-Anchored Policy Reset

新的RL框架REVA-PO提高了X射线报告生成的准确性

研究人员开发了REVA-PO，这是一个新颖的强化学习框架，旨在稳定用于从胸部X射线生成报告的模型训练。这种新方法通过根据响应质量动态调整正则化权重并定期将参考策略重置为强大的验证检查点来解决不稳定性问题。该框架还包括一个三阶段训练流程，包括监督微调和RL。在MIMIC-CXR和IU-Xray数据集上的评估显示，在语言质量和临床准确性方面都有显著改进，设定了新的最先进基准。