香港中文大学（深圳）与深圳大数据研究院的研究团队近日联合发布了一款名为HuatuoGPT-o1的医疗大型语言模型(LLM)。这款模型专为医疗领域的复杂推理而设计，旨在提高医疗诊断和决策的可靠性。与以往侧重于数学推理的LLM不同，HuatuoGPT-o1专注于医疗这一特殊领域，通过模拟医生在实际工作中严谨的思考过程，为医疗AI的发展开辟了新的道路。
该研究团队认识到，医疗领域的推理过程往往缺乏明确的步骤，难以验证。为了解决这一难题，他们从医疗考试题库中精选出4万道具有唯一、客观正确答案的难题，并将其转化为开放式问题，构建了可验证的医疗问题集。这些问题不仅需要模型进行深入的推理，还能通过答案的对错来验证推理过程的正确性。
研究团队采用了一种两阶段训练方法来提升模型的推理能力。第一阶段，利用验证器的反馈（正确或错误）来引导模型进行基于策略的搜索，生成复杂的推理轨迹。模型首先初始化一个思维链(CoT)，如果验证器认为当前的CoT不正确，模型会尝试回溯、探索新路径、验证或纠正等策略，直到找到正确的答案。这些成功的推理轨迹随后被用来微调LLM，使其具备迭代反思的复杂推理能力。第二阶段，利用验证器提供的稀疏奖励，通过强化学习(RL)算法进一步提升模型的复杂推理能力。
实验结果表明，这种方法仅使用了4万个可验证的问题，就使一个80亿参数的模型在医疗基准测试中取得了8.5分的提升。而一个700亿参数的模型在多个医疗基准测试中，也超越了其他开源的通用和医疗专用LLM。这些结果证实了复杂推理对解决医疗问题的有效性，以及强化学习对提升模型性能的显著作用。
HuatuoGPT-o1的创新之处在于它首次使用可验证的医疗问题和医疗验证器来提升LLM的医疗复杂推理能力。通过这种方法，模型能够像医生一样进行深入思考，并在给出答案前进行自我检查和修正。这不仅提高了模型在医疗领域的应用潜力，也为其他专业领域的推理能力提升提供了借鉴。
为了验证模型的可靠性，研究人员使用GPT-4o作为验证器，结果显示其在第一阶段的准确率达到96.5%，在第二阶段的准确率达到94.5%。同时，他们也证实了基于LLM的验证器比传统的精确匹配方法更可靠。此外，研究人员还将该方法应用到中文医疗领域，同样取得了显著的成果，证明了该方法在不同领域和语言环境下的适应性。
总而言之，HuatuoGPT-o1的出现标志着医疗AI在复杂推理方面取得了重大进展。它不仅为医疗诊断和决策提供了更可靠的工具，也为未来AI在其他专业领域的应用提供了新的思路。尽管该模型目前仍处于研究阶段，不能直接应用于临床，但其巨大的潜力已引起了广泛关注。
论文地址:https://arxiv.org/pdf/2412.18925