一句话看懂：一项发表于 alphaXiv 的研究显示，研究者让语言模型在模拟环境中通过多轮强化学习练习完整的精神科问诊，在 120 次标准化病人对话中，训练后模型胜过了同提示词的基座模型；但它仍是研究结果，不是已上线的医疗产品。
事件核心：发生了什么
研究团队在模拟场景中用多轮强化学习训练语言模型，任务是完成结构化的文本精神科接诊，包括病史采集、鉴别诊断和初步处理计划。评估采用随机、双盲交叉设计：32 名认证精神科医生扮演标准化病人，另外 15 名独立认证精神科医生对匿名转录文本打分，共 60 组配对场景、120 次接诊。结果显示，训练后的模型在 76.7% 的配对场景中优于只做相同提示的基座模型（p<0.0001）；鉴别诊断适当性为 68.3% 对 33.3%，以患者为中心的沟通得分为 82.0% 对 65.2%。此外，在 256 个对抗性场景中，模型对急性安全风险的漏诊率从 30.5% 降到 12.9%。
为什么重要
精神科问诊的难点在于，关键信息往往要等到建立信任、进行针对性追问后才会出现。论文强调，所有评估场景都把关键事实“藏”在有效的互动追问后面，因此训练重点不是让模型复述静态知识，而是学会在对话中主动获取信息。方法上用 GRPO 做强化学习，奖励按诊断与管理质量、评估、沟通、记录分层计分，并对安全失误和询问不全扣分。这说明医疗对话模型的能力，越来越取决于多轮交互训练与奖励设计，而非单轮问答的文本质量。
对用户/开发者/创作者的影响
对开发者，这类工作提示：垂直领域 Agent 的训练数据和奖励函数设计，比单纯换更大的基座模型更直接。对医疗行业和技术采购方，目前公开信息显示这只是研究层面的评测，论文摘要明确提到仍存在残余差距，需要防护措施和临床医生监督，不宜把评测成绩等同于可直接上线的诊疗能力。对内容创作者和普通用户，这意味着“AI 问诊”类应用的宣传应更谨慎，任何面向真实患者的部署都需要合规与人工审核。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是模型在真实临床环境、非文本模态（语音、视频）下的表现是否仍成立；二是安全漏诊虽已减半，剩余约 13% 的漏诊如何用规则或人工流程兜住；三是是否存在独立复现与同行评审，以及相关能力是否会进入商业医疗 AI 产品。
来源：alphaXiv
