作者介绍了Fathom-Vaidya，这是一个拥有30B参数的模型，它使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。训练框架首先针对使用MedBullets派生问题的诊断准确性，然后通过具有多维量表的5.3k个生成场景解决多轮临床交互。
- 该模型在HealthBench-Hard上达到50.1%的准确率，超越了包括GPT-5 (thinking)在内的专有基线。
- 它在MedXpertQA基准测试中显示出超过10%的提升。
- 该方法系统地改善了复杂的诊断场景和上下文对话能力。
这项工作表明，有针对性的合成数据集和基于量表的训练可以有效地解决医疗LLM中持续存在的弱点。