论文阅读_Citrus_在医学语言模型中利用专家认知路径以支持高级医疗决策

英文名称：Citrus: Leveraging Expert Cognitive Pathways in a Medical Language Model for Advanced Medical Decision Support

中文名称：Citrus：在医学语言模型中利用专家认知路径以支持高级医疗决策

链接: http://arxiv.org/pdf/2502.18274v2

代码: https://github.com/jdh-algo/Citrus

作者: Guoxin Wang, Minyu Gao, Shuai Yang, Ya Zhang, Lizhi He, Liang Huang, Hanlin Xiao, Yexuan Zhang, Wanyue Li, Lu Chen, Jintao Fei, Xin Li

机构: JD Health International Inc

日期：2025-02-25

1 摘要

• 目标：介绍 Citrus，一个医学语言模型，旨在模拟医疗专家的认知过程，以改善医学推理任务。
• 方法：通过新颖的方法训练模型，使用模拟专家疾病推理数据，捕获临床医生的决策路径，同时发布自定义医学诊断对话数据集以支持研究。
• 结论：在 MedQA 等权威基准评估中，Citrus 表现优于其他同类模型，展现出增强医学决策支持系统的潜力，使临床决策更加准确和高效。

2 读后感

京东出品，目标是提升线上医药服务。效果与当前顶尖模型相当，训练时生成了部分数据，并开源了 SFT 阶段的数据。

3 方法

训练过程包括三个主要阶段：持续预训练（Continuous Pre-Training，CPT）、监督微调（Supervised Fine-Tuning，SFT）和强化学习（Reinforcement Learning，RL）。以下是这三个阶段的主要内容提炼：

3.1 持续预训练（CPT）

• 目的
  增强模型对医学领域知识的理解，使其能够进行模式识别。
• 数据来源
• 网络数据（Web Data）。
• 医学教材（Medical Textbooks）。
• 医学指南和文献（Medical guidelines and literature）。
• 数据处理
  使用自然语言处理技术（如实体识别、关系提取和文本分类）进行数据清洗和标注。
• 对 PDF 文档使用计算机视觉解决方案进行处理。
• 对医学教材数据应用数据增强技术，以扩充训练数据。
• 训练方法

• 使用 AutoML 方法动态调整不同数据源的比例，将数据比例问题视为多臂老虎机问题，以训练损失作为奖励信号，动态选择数据源，提高训练效率。

3.2 监督微调（SFT）

• 目的
  进一步提升模型的医学推理能力，使其能够进行复杂推理。
• 数据来源

• 第一阶段（Stage-1）：约 700 万条基础指令数据，用于提升模型的简单指令跟随能力。
• 第二阶段（Stage-2）：约 140 万条更复杂、高质量的指令数据，用于提升模型的多轮对话处理和复杂指令跟随能力。
• 第三阶段（Stage-3）：约 6 万条医学推理数据，通过“双专家推理方法”合成，用于提升模型的长链推理（Long Chain-of-Thought，COT）能力。
• 训练方法
• 第一阶段和第二阶段主要提升模型的通用推理能力。
• 第三阶段使用合成的医学推理数据，训练模型在医学领域进行长链推理。数据格式为 <sft-input, sft-target>，其中 sft-input 是开放性问题，sft-target 包含推理过程（<think>）和最终结论（<answer>）。

3.3 强化学习（RL）

• 目的
  进一步提升模型的推理能力和输出质量。
• 数据来源

• 使用经过 SFT 训练后的模型进行拒绝采样（Rejection Sampling），生成约 5 万对偏好数据。
• 训练方法
• 使用 SimPO（Simple Preference Optimization）和 CPO（Conservative Policy Optimization）方法进行离线强化学习。
• SimPO 通过模型生成的平均对数概率作为隐式奖励，避免了对参考模型的依赖，并通过长度归一化防止模型偏向生成过长但质量低的回答。
• CPO 通过引入 NLL 损失提高训练稳定性。
• 数据格式为 <RL-input, chosen, rejected>，其中 RL-input 与 sft-input 格式相同，chosen 和 rejected 分别对应模型生成的优质回答和劣质回答。

4 模型效果

4.1 与其它模型相比

4.2 训练前后比较