[AI]《ResidencyRL: Reinforcement Learning in Simulated Clinical Environments》V Liévin, S Schmidgall, T Strother, A Bijamov… [Google DeepMind] (2026)

在临床 AI 领域，让模型掌握真实诊疗过程是个难题。过去的方法受困于静态基准，本质原因是无法模拟诊疗中充满不确定性与对抗行为的连续决策。

本文的核心洞见是：把 AI 训练看作住院医师模拟实习。由此，在能模拟对抗性病人的虚拟环境中进行多轮强化学习，这一关键操作使问题得以解开。

这项工作留下的遗产是将 AI 从“知识引擎”转变为“行动智能体”的训练范式。它打开的新门是通过大规模模拟提升 AI 在高风险任务中的鲁棒性。但尚未跨过的门槛是模拟能力向真实临床的有效迁移。

arxiv.org/abs/2608.07418 机器学习 人工智能 论文 AI创造营