作者介绍了 Fathom-Vaidya，这是一个拥有 30B 参数的模型，它利用合成数据和基于量表的强化学习来增强诊断和临床医疗保健推理能力。
- 该框架在 MedBullets 衍生的问题上采用规则和量表引导的 RL，以提高诊断准确性。
- 它生成了 5.3k 个具有多维量表的合成多轮场景，以评估交互式临床对话。
- 该模型在 MedXpertQA 上取得了超过 10% 的提升，并在 HealthBench-Hard 上达到了 50.1% 的准确率，超越了 GPT-5 (thinking) 等专有基线模型。
这种方法表明，针对性的合成数据集和基于量表的训练可以系统地提高医疗 LLM 在复杂诊断和对话任务中的性能。