检索模型改做单次决策：保留检索先验的头在少标注时更稳，交叉头在完整数据上更准

生物医学检索句编码器可以改造成定型决策模型：一次前向就给出每个选项的概率，供代码按阈值采取行动、推迟或上报。 此前的System One模型都是通用领域，从掩码语言模型或解码器检查点出发，没有生物医学版本，也没有检验检索训练是否是更好的起点。 在六个共享父模型的检索器配对上，交叉头在已见任务上达到66–73分，温度缩放后最高标签ECE低于6（MedCPT-Query除外），而微调后的Laya-large为75.0分、参数量约为其三倍。

转换方式决定检索训练是否帮得上忙：保留检索先验的PFR头把交叉分数加在检索先验上，交叉头则用两层transformer对状态与假设联合编码。 检索相似度本身不编码否定、序数判断或校准过的真值，所以检索训练能否迁移到定型决策此前没有答案。 在15个配对与数据量比较中，检索训练对PFR在10个比较中显著更好、仅1个更差；对交叉头则1个更好、5个更差，且交叉头在全部五个共享目标上以1.3–2.4分超过PFR。

发布的RLCD配方落后于普通交叉熵，差距主要来自它的奖励归一化。 RLCD把交叉熵与对噪声扰动logits的策略梯度混合，此前被视为开放System One模型的训练配方。 在匹配网格中PG比交叉熵低3.0分（PFR）和2.5分（交叉头），其估计量被归一化放大3.6–15倍；改用留一法基线的PG-LOO追回2.5分和1.5分，温度缩放后没有哪个目标在校准上明显更好。

下一步可以在自己的句编码器上套用这四种转换，先用交叉头加交叉熵做单条请求的决策，需要低选项顺序敏感性或编码器的掩码槽状态退化时改用PFR，需要拿一个语料去筛很多问题时用双编码器B。少标注场景优先考虑保留检索先验的PFR，因为检索训练在那里最稳定地带来增益。长临床笔记可以试检索后决策，但基础编码器上多数策略仍接近随机。

MEDLINE-S1的标签来自NLM索引，属于弱标签，缺失不等于为假；少量训练输入重复出现在校准与测试划分中，作者报告了去掉后分数下降0.3–0.4分但未重新训练或重拟合温度。已见任务上的低ECE不代表新任务上校准良好，交叉头的选项顺序敏感性在分布偏移下变大，阈值应在域内样本上验证。临床测试规模小、来自单一医院系统且使用替代姓名，长笔记策略对基础编码器仍接近随机，发布的模型只在公开数据上训练。