論文の概要: MedEvo: Medical Reasoning Evolution through Knowledge Navigation

• arxiv url: http://arxiv.org/abs/2610.17690v1
• Date: Tue, 13 Oct 2026 04:11:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.503819
• Title: MedEvo: Medical Reasoning Evolution through Knowledge Navigation
• Title（参考訳）: MedEvo:知識ナビゲーションによる医療推論の進化
• Abstract要約: 我々は,タグ分類学と誤り型診断という医療知識を用いて,軌道修復とデータ選択の両方をナビゲートするMedEvoを提案する。 ロールアウトの失敗毎に、ゴールドブラインド監査者は最初の逐次エラーを検知し、最小限の回答なしヒントを提供する。 それぞれのラウンドの後、MedEvoは医療タグ間での能力ギャップを特定し、関連する質問を優先順位付けする。
• 参考スコア（独自算出の注目度）: 30.616102254381914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical multimodal reasoning models are typically trained on teacher-generated rationales, discarding the valid reasoning in students' own failed trajectories, while general-domain correction methods offer little guidance for errors in image reading, anatomical context, or differential diagnosis. We propose MedEvo, which uses medical knowledge, namely a tag taxonomy and error-type diagnosis, to navigate both trajectory repair and data selection. For each failed rollout, a gold-blind auditor locates the first consequential error and provides a minimal, answer-free hint; the same student retains the valid prefix and regenerates the erroneous suffix. After each round, MedEvo identifies capability gaps across medical tags on a held-out feedback set and prioritizes related questions for new rollouts and repairs. With supervised fine-tuning (SFT) alone, MedEvo raises Qwen3.5-9B mean accuracy across seven benchmarks from 65.57% to 69.12% (47.40% to 54.50% on the multimodal track of MedXpertQA (MedXpertQA-MM)), surpassing teacher-distillation SFT (66.93%). It also raises Qwen3.5-35B and Qwen3.5-397B mean accuracy from 67.91% to 73.04% and from 71.83% to 74.95%, respectively. Our analyses show that failed trajectories contain reasoning worth preserving, that repair success does not imply learning value, and that independent feedback is key to sustained improvement.
• Abstract（参考訳）: 医学的マルチモーダル推論モデルは、典型的には教師が生成する理性に基づいて訓練され、学生自身の軌道の失敗における妥当な理性を捨てる一方、一般領域補正法は画像読取、解剖学的文脈、あるいは差分診断における誤りのガイダンスをほとんど提供しない。 我々は,タグ分類学と誤り型診断という医療知識を用いて,軌道修復とデータ選択の両方をナビゲートするMedEvoを提案する。 失敗する各ロールアウトに対して、ゴールドブラインド監査人は、最初の逐次エラーを見つけ、最小限の回答なしヒントを与え、同じ学生は有効なプレフィックスを保持し、誤字を再生する。 それぞれのラウンドの後、MedEvoは医療タグ間の機能ギャップをホールドアウトフィードバックセットで識別し、関連する質問を新しいロールアウトと修復のために優先順位付けする。 MedXpertQA(MedXpertQA-MM)のマルチモーダルトラックでは、65.57%から69.12%(47.40%から54.50%)まで7つのベンチマークでQwen3.5-9Bの平均精度を上昇させ、教師蒸留SFT(66.93%)を上回った。 また、Qwen3.5-35BとQwen3.5-397Bの平均精度は67.91%から73.04%、Qwen3.5-35Bは71.83%から74.95%まで上昇する。 分析の結果,失敗した軌道には保存に値する理由が含まれており,修復の成功が学習価値を示唆するものではなく,独立したフィードバックが継続的な改善の鍵であることを示唆した。

関連論文リスト

• Beyond Score Accuracy: Examining the Diagnostic Quality of LLM-Generated Structured Assessment in Higher Education [3.936959638336404]
  大規模言語モデル(LLM)は、高等教育における自動階調とフィードバックにますます採用されている。 本研究は、これらのアウトプットが提供しているように見えるものを提供するかどうかを検討する。
  論文  参考訳（メタデータ） (2026-10-07T05:17:26Z)
• Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
  我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。 5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。 アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
  論文  参考訳（メタデータ） (2026-09-30T16:40:22Z)
• Better Accuracies, Worse Reasoning: A Step-Level Audit of Medical Chain-of-Thought Distillation [14.101636730819175]
  チェーン・オブ・シンクレット(CoT)蒸留は、教師の推論の痕跡を模倣するために、より小さなモデルを訓練する。 回答の品質向上とトレースの改善が伴うかどうかを問う。
  論文  参考訳（メタデータ） (2026-05-27T10:55:24Z)
• Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
  大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。 1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。 診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
  論文  参考訳（メタデータ） (2026-04-06T00:23:10Z)
• ReasonMed: A 370K Multi-Agent Generated Dataset for Advancing Medical Reasoning [54.30630356786752]
  ReasonMedは、これまでで最大の医療推論データセットで、370万の高品質な例がある。 マルチエージェント生成、検証、改善プロセスを通じて構築される。 ReasonMedを用いて、簡潔な答えの要約と詳細なCoT推論を統合することで、最も堅牢な微調整結果が得られる。
  論文  参考訳（メタデータ） (2025-06-11T08:36:55Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。