محققان در پژوهش جدیدی به سراغ بررسی عملکرد مدلهای هوش مصنوعی در محیطهای درمانی (FHIR) رفتهاند. این مطالعه نشان میدهد که استفاده از «یادگیری تقویتشده» (RL) برای وظایف پزشکی با موانع ساختاری جدی روبروست.
تیم تحقیق با معرفی MedAgentBench-v3، محدودیتهای مدلهایی مثل Qwen3 را تحلیل کرده و دریافتهاند که بدون دانش کافی از کدهای تخصصی پزشکی، هوش مصنوعی حتی با بهترین الگوریتمهای یادگیری هم شکست میخورد. نتیجه اینکه: برای رسیدن به دقت بالا در درمان، باید از ترکیب «تنظیم دقیق» (SFT) برای یادگیری کدهای پایه و «یادگیری تقویتشده» برای تصمیمگیریهای شرطی استفاده کرد. 🩺🤖
منبع: arXiv AI
