慢思考助力医学大语言模型突破数据瓶颈：上海交大联合上海AI Lab推出MedS3系统

在智慧医疗的前沿阵地，一场革命悄然兴起。上海的智慧火花，交大、复旦与上海人工智能实验室的精英们，共同锻造了一把破译生命密码的钥匙——MedS3。这不再是一场简单的技术升级，而是医疗推理的深层觉醒。MedS3，如同一位内功深厚的医界宗师，摒弃传统预训练的繁复，以独创的“慢思考”范式，仅凭数千条精选种子数据，便能在复杂的医疗迷宫中找到真理的光芒。

在这虚拟与现实交织的诊疗室里，MedS3挑战着人类认知的极限，它不是简单地模仿，而是自我进化，每一步推理都如蒙特卡洛的赌局，精准而充满策略。规则与直觉的碰撞，通过过程奖励模型(PRM)的引导，就如同医术与哲学的深度融合，确保每一次决策的严谨与全面。

它在16个战场上的辉煌战绩，是对传统医疗AI的一次华丽超越。从微观的生物医学问答到宏观的医疗诊断，MedS3以一己之力改写着智能医疗的未来。这不是科幻，这是现实的突破，是智慧医疗的新纪元，一个由精准推理和深度学习编织的医疗梦想，正逐步照进现实，为人类健康护航。

上海交通大学、复旦大学和上海人工智能实验室的研究团队推出新型医学推理系统meds3，该系统采用自我进化“慢思考”范式，无需预训练和模型蒸馏，即可实现细粒度推理流程验证。

MedS3克服了现有医疗推理模型在长链推理和数据效率方面的不足。现有模型通常依赖于医疗考试题上的模型蒸馏，忽略了推理过程的可验证性和医疗任务的全面覆盖。而MedS3通过策略模型和过程奖励模型(PRM)，结合蒙特卡洛树搜索(MCTS)和规则验证，在16个不同数据集上进行迭代优化，仅需7465条种子数据。

论文链接：

项目主页：

MedS3的创新之处在于其自我进化框架。MCTS生成可验证的推理链，每一步都进行正确性验证并赋予展开值，用于训练策略模型和PRM。PRM引导的投票求和(P-VS)策略选择最终答案，兼顾PRM评判和回复间的语义一致性。

MedS3优势：高数据利用率、支持单步监督、高效支持多任务学习。实验结果显示，MedS3在医疗知识问答、生物医学问答、长上下文问答和医疗诊断任务上显著优于现有模型，成为首个在医疗诊断任务上实现长链推理“R1”的大语言模型框架。MedS3展现了几乎无界的性能外推潜力，并且MCTS+PRM方法在医疗推理领域展现出显著优势。