Авторы представляют Fathom-Vaidya, модель с 30B параметров, которая использует синтетические данные и подкрепляющее обучение, основанное на рубриках, для улучшения как диагностического, так и клинического рассуждения в здравоохранении.

  • Фреймворк применяет RL, направляемое правилами и рубриками, к вопросам из MedBullets, чтобы повысить точность диагностики.
  • Он генерирует 5.3k синтетических многооборотных сценариев с многомерными рубриками для оценки интерактивного клинического диалога.
  • Модель достигает улучшения более чем на 10% на MedXpertQA и точности 50.1% на HealthBench-Hard, превосходя проприетарные базовые модели, такие как GPT-5 (thinking).

Этот подход демонстрирует, что целевые синтетические наборы данных и обучение на основе рубрик могут систематически улучшать производительность медицинских LLM в сложных диагностических и диалоговых задачах.