#医疗模型

RuACT 将失效评分细则转为自适应评论者与教师

论文指出基于评分细则的强化学习中，全员失败或全员通过的细则不提供学习信号，Qwen3-4B 医疗训练中 60.88% 的查询-细则观测处于失效状态。RuACT 将不可达细则用作特权信息做奖励门控的在线自蒸馏，把饱和细则分解为子细则。在四个医学与科学基准上优于 GRPO 等方法。