Breaking Failure Cascades: Step-Aware Reinforcement Learning for Medical Multimodal Reasoning

• 类型：arxiv
• 标识：2606.31825
• 链接：https://arxiv.org/abs/2606.31825
• 主分类：multimodal
• 形态：benchmark
• 被引：2
• 被引来源：Semantic Scholar
• S2被引：2
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Across four multimodal LLM backbones, MRPO consistently outperforms standard GRPO and a recent RL baseline, and on Qwen3-VL-8B-Thinking even surpasses substantially larger medical MLLMs such as HuatuoGPT-Vision-34B by 4.59 points.
• OpenAlex ID：W7166829510
• OpenAlex DOI：10.48550/arxiv.2606.31825
• DOI：10.48550/arxiv.2606.31825
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.31825
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：打破失败级联：面向医学多模态推理的步骤感知强化学习
• TLDR中文：在四个多模态 LLM backbone 上，MRPO 始终优于标准 GRPO 与一项最新 RL baseline，并在 Qwen3-VL-8B-Thinking 上以 4.59 分超越规模远大于它的医学 MLLM（如 HuatuoGPT-Vision-34B）。
• 来源文件：
• /inbox/tom/_candidates/2026-07-03-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]