研究チームは、必要なときに裏付けとなる証拠を探し、有効な定量測定だけを受け入れる胸部X線推論向けの事後学習フレームワーク「X-Ragent」を提案しました。研究成果は10月12日に発表され、Zhenlong Yuanが10月14日にHugging Face Papersページへ投稿しました。所属機関としてカーネギーメロン大学が記載されています。著者らは、補助的な証拠が必要な場面を学習することと、診断推論に適用できない測定値を持ち込まないことという、ツール拡張型医療エージェントの2つの課題に対処すると説明しています。

研究チームは、因果関係に沿って並べたツール使用手順と、診断推論を報告書形式で記した内容を組み合わせ、7,700件のRad-CoTデータセットを構築しました。複数段階のツール使用例で学習するエージェント型教師ありファインチューニングでQwen3-VL-8Bを初期化し、その後、グループ相対方策最適化（複数のモデル応答を比較して学習する手法）で最適化しました。正解した推論経路に限って、測定の整合性やツールのコストに関する過程レベルの報酬を適用するため、もっともらしいツール使用手順で誤診を補えない設計です。

胸部X線の3つのベンチマークで、X-Ragentは最高成績を記録し、学習時に使わなかったChestAgentBenchでは8.6ポイント向上しました。著者らは、選択的に証拠を求め、有効な測定値のみを認めることで、証拠に基づく、より忠実な推論ができると述べています。発表資料には、ベンチマークの得点尺度や残る2つの評価結果の詳細は示されていません。

研究チームは、必要なときに裏付けとなる証拠を探し、有効な定量測定だけを受け入れる胸部X線推論向けの事後学習フレームワーク「X-Ragent」を提案しました。研究成果は10月12日に発表され、Zhenlong Yuanが10月14日にHugging Face Papersページへ投稿しました。所属機関としてカーネギーメロン大学が記載されています。著者らは、補助的な証拠が必要な場面を学習することと、診断推論に適用できない測定値を持ち込まないことという、ツール拡張型医療エージェントの2つの課題に対処すると説明しています。

研究チームは、因果関係に沿って並べたツール使用手順と、診断推論を報告書形式で記した内容を組み合わせ、7,700件のRad-CoTデータセットを構築しました。複数段階のツール使用例で学習するエージェント型教師ありファインチューニングでQwen3-VL-8Bを初期化し、その後、グループ相対方策最適化（複数のモデル応答を比較して学習する手法）で最適化しました。正解した推論経路に限って、測定の整合性やツールのコストに関する過程レベルの報酬を適用するため、もっともらしいツール使用手順で誤診を補えない設計です。

胸部X線の3つのベンチマークで、X-Ragentは最高成績を記録し、学習時に使わなかったChestAgentBenchでは8.6ポイント向上しました。著者らは、選択的に証拠を求め、有効な測定値のみを認めることで、証拠に基づく、より忠実な推論ができると述べています。発表資料には、ベンチマークの得点尺度や残る2つの評価結果の詳細は示されていません。