medical-reasoning

本综述考察了医学LLMs的最新进展，提出了一种连接临床实践与计算方法双重视角的方法，并引入了一个基准数据集，用于评估18个最先进模型的医学推理能力。

EpistemeAI 发布了 Reasoning-Medical0.1-27B，这是 Qwen3.5-27B 的医疗推理微调版本，声称通过在精心策划的 10 万条记录数据集上引入链式思维推理，在多项医疗基准测试中超越了 MedGemma。

ArogyaBodha数据集和ArogyaSutra框架通过多样化数据集成和actor-critic多智能体推理，增强了低资源环境下的多语言医学推理能力。

SEMA-RAG是一种自进化多智能体RAG框架，用于医学问答，它将解读、探索和裁决解耦为三个专业智能体，在多个基准测试中相较于基线取得了显著的准确率提升。