يقدم المؤلفون Fathom-Vaidya، وهو نموذج بـ 30 مليار معلمة يستخدم بيانات اصطناعية وتعلّم التعزيز القائم على المعايير لتعزيز كل من الاستدلال التشخيصي والإكلينيكي في الرعاية الصحية. يستهدف إطار التدريب أولاً الدقة التشخيصية باستخدام أسئلة مستمدة من MedBullets ثم يتعامل مع التفاعلات الإكلينيكية متعددة الأدوار عبر 5.3 ألف سيناريو تم إنشاؤه بمعايير متعددة الأبعاد.

  • يحقق النموذج دقة بنسبة 50.1% على HealthBench-Hard، متفوقًا على الخطوط الأساسية المملوكة بما في ذلك GPT-5 (thinking).
  • يُظهر تحسنًا يزيد عن 10% على معيار MedXpertQA.
  • يحسّن النهج بشكل منهجي سيناريوهات التشخيص المعقدة وقدرات الحوار السياقي.

تُظهر هذه الدراسة أن مجموعات البيانات الاصطناعية المستهدفة والتدريب القائم على المعايير يمكن أن يعالج بشكل فعال نقاط الضعف المستمرة في نماذج LLM الطبية.