論文の概要: Aligning Medical Vision Language Models at the Capability Boundary with Entropy Adaptive Rubric Grounding

• arxiv url: http://arxiv.org/abs/2610.39835v1
• Date: Thu, 29 Oct 2026 11:15:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.079586
• Title: Aligning Medical Vision Language Models at the Capability Boundary with Entropy Adaptive Rubric Grounding
• Title（参考訳）: エントロピー適応型ルーブリック接地機能境界における医用視覚言語モデルの調整
• Abstract要約: 医学的診断の推論には、視覚的証拠と臨床知識の間に検証可能なリンクが必要である。 現在の医療ビジョン言語モデルは、間違った振る舞いに報いる目的と一致しています。 我々は,2段階のアライメントフレームワークであるMedCBRを提案する。
• 参考スコア（独自算出の注目度）: 9.044353696226475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical diagnostic reasoning requires verifiable links between visual evidence and clinical knowledge, yet current medical vision language models are aligned with objectives that reward the wrong behavior. Uniform supervised fine tuning lets easy cases dominate updates while clinically critical boundary cases saturate prematurely. Sparse rewards based only on final-answer correctness cannot assess anatomical grounding or clinical logic, inviting reward hacking through answer shortcuts. We propose MedCBR, a two-stage alignment framework coupling boundary-aware preference optimization with rubric-grounded reinforcement learning. First, we construct counterfactual boundary preferences at the model's capability frontier using empirical pass rates and preference pairs that share reasoning prefixes but diverge at decisive diagnostic branches. Difficulty Weighted Boundary Preference Optimization (DBPO) concentrates learning on this calibrated boundary region. Second, we distill reusable clinical rubrics from boundary trajectories and activate them according to prediction entropy. Entropy Gated Grounded Policy Optimization (EGPO) rewards answer correctness, anatomical grounding, and reasoning fidelity while suppressing rubric noise on reliable samples. A reference policy anchored to the boundary-aligned model couples population-level boundary priors with instance-level uncertainty, making diagnostic reasoning more accurate and clinically grounded. Experiments on six medical benchmarks show consistent improvements over strong general, specialized, and reinforcement learning baselines, reaching 61.2% average accuracy with the largest gains on challenging differential diagnosis tasks. Ablations show super-additive gains: combining the two stages exceeds the sum of their individual improvements.
• Abstract（参考訳）: 医療診断の推論には、視覚的証拠と臨床知識の間に検証可能なリンクが必要であるが、現在の医療ビジョン言語モデルは、間違った行動に報酬を与える目的と一致している。 均一な教師付き微調整により、臨床上重要な境界症例が早期に飽和する一方、容易な症例が更新を支配できる。 最終回答正当性のみに基づくスパース報酬は解剖学的根拠や臨床論理を評価できず、応答ショートカットを通じて報酬のハッキングを招待する。 我々は,2段階のアライメントフレームワークであるMedCBRを提案する。 まず、実験的なパスレートと、推論プレフィックスを共有するが、決定的な診断分岐で発散する選好ペアを用いて、モデルの能力フロンティアで対実的境界優先を構築する。 困難重み付き境界優先最適化(DBPO)は、この校正境界領域の学習に集中する。 第2に, 境界軌道から再利用可能な臨床潤滑剤を蒸留し, 予測エントロピーに従って活性化する。 Entropy Gated Grounded Policy Optimization (EGPO) は、信頼性のあるサンプルに対するルーリックノイズを抑えながら、答えの正しさ、解剖学的基礎化、推論の忠実さを報いる。 境界整合モデルに固定された基準方針は、集団レベルの境界線とインスタンスレベルの不確実性とを結合させ、診断的推論をより正確かつ臨床的に基礎づける。 6つの医学ベンチマークの実験では、強い一般性、専門性、強化学習ベースラインよりも一貫した改善が示され、61.2%の平均精度に達した。 2つの段階を組み合わせることは、個々の改善の合計を超える。

関連論文リスト

• DobicVLM: Aligning Chest X-Ray Report Generation with Clinically-Grounded Programmatic Rewards via Group Relative Policy Optimization [0.4418222884390162]
  我々は,MedGemma-4Bの教師付き微調整とグループ相対ポリシー最適化を組み合わせた視覚言語モデルであるDobicVLMを紹介する。 我々のアプローチでは、構造検証、解剖学的チェックリスト、意味的類似性、長さ制約といった、解釈可能なルールベースの報酬コンポーネントを使用します。 DobicVLMはGemini 2.5 Flashよりも優れており、Gemini 2.5 FlashとMedGemma 4Bベースラインと比較して、印象精度(27.2%)と医療用語(86.5%)が最も高い。
  論文  参考訳（メタデータ） (2026-07-21T11:20:09Z)
• CARE: Causally-Aligned Reasoning Exploration for Medical Large Language Models [68.18247112359337]
  大規模言語モデル(LLM)は、医学的推論に強い可能性を示しているが、専門家による注釈付きデータの不足とコストは、その進歩を妨げている。 本稿では,本質的な経験キュレーションの枠組みであるCausally-Aligned Reasoning Exploration (CARE)を提案する。 CAREは、他の強力な競争相手よりも一貫して優れており、正しいが一貫性のない推論を大幅に削減し、トレーニングの安定性を改善している。
  論文  参考訳（メタデータ） (2026-06-29T05:40:35Z)
• Analyzing and Improving Fine-grained Preference Optimization in Medical LVLMs [53.697403481143404]
  LVLM(Large Vision-Language Models)は、医用画像処理タスクにおいて強力なパフォーマンスを実現している。 しかし、実際の不整合、視力の低下、臨床的に有意義なフィードバックによる不一致が続く傾向にある。
  論文  参考訳（メタデータ） (2026-06-10T18:35:36Z)
• Regulating Anatomy-Aware Rewards via Trajectory-Integral Feedback for Volumetric Computed Tomography Analysis [30.439440028190944]
  我々は,放射線学報告を検証可能な臨床的意味単位に分解する構造化システムであるtextbfClinical Abnormality Benchmarking Substrate (CABS) を導入する。 制御理論の原理を政策最適化に組み込んだ新しいフレームワークである textbfTrajectory-Integral FeedbackO (TIF-GRPO) を提案する。
  論文  参考訳（メタデータ） (2026-05-19T04:33:27Z)
• MultiDx: A Multi-Source Knowledge Integration Framework towards Diagnostic Reasoning [66.94527468532843]
  2段階の診断推論フレームワークであるMultiDxを提案する。 まず Web 検索,SOAP 形式の症例,臨床症例データベースから知識を活用することにより,疑わしい診断と推論経路を生成する。 そして、マッチング、投票、および差分診断を通じて、複数のパースペクティブエビデンスを統合し、最終的な予測を生成する。
  論文  参考訳（メタデータ） (2026-04-27T08:46:29Z)
• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• ClinCoT: Clinical-Aware Visual Chain-of-Thought for Medical Vision Language Models [24.19721015692576]
  そこで我々は,ClinCoTを提案することで,好みの最適化を応答レベルの補正から視覚駆動推論へ変換する。 ClinCoTは,従来の嗜好に基づくアライメント手法と比較して,事実上のグラウンド化を一貫して改善し,優れた性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-03-01T14:15:54Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)

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。