研究チームは、漢方の臨床推論と生薬処方の提案を行う大規模言語モデル群「Lingdan-V2」を開発しました。モデルはパラメーター数40億、80億、140億の3種類です。漢方の知識と臨床推論に関する13種類の課題からなる、専門家が検証した公開評価データ25,620件と、脾胃疾患の処方例4,348件を含む非公開の過去データで性能を調べました。

Lingdan-V2は段階的な臨床調整を採用しています。漢方や臨床記録を使った継続事前学習、複数の推論方法による教師あり学習、処方に焦点を置いた強化学習（望ましい出力に報酬を与える学習法）を組み合わせました。研究チームは生薬処方の生成を構造化された強化学習の課題として設定し、知識の再現や一般的な指示への従属にとどまらず、処方全体への評価を使って臨床判断を最適化しました。

公開評価では、強化学習で調整した140億パラメータモデルの処方生成F1スコアは37.0で、総パラメーター数6,710億のDeepSeek-R1が記録した32.3を上回りました。臨床データでは生薬単位のF1スコア52.8を達成し、用量の一致度も改善しました。強化学習による追加学習は、3種類すべてのモデルで処方提案を改善しました。医師の情報源を分析した結果、専門家間の違いが報酬の安定性に影響していました。

研究チームは、漢方の臨床推論と生薬処方の提案を行う大規模言語モデル群「Lingdan-V2」を開発しました。モデルはパラメーター数40億、80億、140億の3種類です。漢方の知識と臨床推論に関する13種類の課題からなる、専門家が検証した公開評価データ25,620件と、脾胃疾患の処方例4,348件を含む非公開の過去データで性能を調べました。

Lingdan-V2は段階的な臨床調整を採用しています。漢方や臨床記録を使った継続事前学習、複数の推論方法による教師あり学習、処方に焦点を置いた強化学習（望ましい出力に報酬を与える学習法）を組み合わせました。研究チームは生薬処方の生成を構造化された強化学習の課題として設定し、知識の再現や一般的な指示への従属にとどまらず、処方全体への評価を使って臨床判断を最適化しました。

公開評価では、強化学習で調整した140億パラメータモデルの処方生成F1スコアは37.0で、総パラメーター数6,710億のDeepSeek-R1が記録した32.3を上回りました。臨床データでは生薬単位のF1スコア52.8を達成し、用量の一致度も改善しました。強化学習による追加学習は、3種類すべてのモデルで処方提案を改善しました。医師の情報源を分析した結果、専門家間の違いが報酬の安定性に影響していました。