# 医学问答

面向临床决策支持的小语言模型在微调后往往答得比问题所需长得多，而现有长度控制依赖偏好数据、奖励模型或专有教师模型。PECA在QLoRA监督微调目标中加入一个可微的简洁项：当生成超过token预算后提高结束符概率，无需偏好数据、辅助模型，单张消费级GPU即可训练。在1.7B参数的Qwen3-1.7B-Instruct上，PECA把平均回答长度从256.0个token降到69.7个token，即减少72.8%，同时把MedMCQA选择题诊断准确率从40.8%提高到44.0%。

面向临床决策支持的小语言模型在微调后往往答得比问题所需长得多，而现有长度控制依赖偏好数据、奖励模型或专有教师模型。PECA在QLoRA监督微调目标中加入一个可微的简洁项：当生成超过token预算后提高结束符概率，无需偏好数据、辅助模型，单张消费级GPU即可训练。在1.7B参数的Qwen3-1.7B-Instruct上，PECA把平均回答长度从256.0个token降到69.7个token，即减少72.8%，同时把MedMCQA选择题诊断准确率从40.8%提高到44.0%。

胸片报告生成改用问答式输出：先用预测疾病标签对齐图像与文本，再用医学知识图谱检索证据并由大模型改写，在MIMIC-CXR与IU X-Ray上多数指标优于此前方法。

胸片报告生成改用问答式输出：先用预测疾病标签对齐图像与文本，再用医学知识图谱检索证据并由大模型改写，在MIMIC-CXR与IU X-Ray上多数指标优于此前方法。

该工作提出 ProbeGuard，一个基于多轮共识形成过程而非终局一致率的认证弃答框架：它从系统执行日志提取轨迹特征，对首轮一致票用理由语义熵与主动反证探针检验共识是否由知识支撑，再用分层 Learn-then-Test 校准给出无分布假设的选择性风险界；在 MedQA 上终局一致率仅 0.512 AUROC，过程分数达 0.696，一致层中 13.4% 的一致票是错的，认证规则以 9.0% 实测风险作答该层 55.3% 的问题。

该工作提出 ProbeGuard，一个基于多轮共识形成过程而非终局一致率的认证弃答框架：它从系统执行日志提取轨迹特征，对首轮一致票用理由语义熵与主动反证探针检验共识是否由知识支撑，再用分层 Learn-then-Test 校准给出无分布假设的选择性风险界；在 MedQA 上终局一致率仅 0.512 AUROC，过程分数达 0.696，一致层中 13.4% 的一致票是错的，认证规则以 9.0% 实测风险作答该层 55.3% 的问题。