protocol-execution

本文研究了在FHIR环境中为临床协议执行任务使用来自世界反馈的强化学习，识别了诸如高静默完成上限和零梯度任务等结构性障碍，并引入了具有更低上限的MedAgentBench-v3。它表明，由于这些障碍，纯强化学习表现不如基于规则的SFT，并提出了一种结合SFT+RL的方法。