MedResearcher-R1團隊 投稿
量子位 | 公眾號 QbitAI

不卷參數的專業模型，會不會被通用大模型取代？

在醫療領域，這個疑問正在被打破。

螞蟻集團聯合研究團隊發布的《MedResearcher-R1: Expert-Level Medical Deep Researcher》技術報告，證明了一條關鍵路徑：專業開源模型只要做好領域化設計，有機會在垂直賽道上“以小博大”，反超通用大模型。

團隊發布的醫學AI智能體MedResearcher-R1，靠2100條（約2K規模）訓練樣本，在權威醫療基準測試MedBrowseComp上，將復雜醫療研究任務的準確回答數量提升至27.5。

刷新該榜單紀錄的同時，超過o3、Gemini 2.5 Pro等領先通用大模型，突破了此前25.5的業界準確回答“卡點”。

讓AI學會像醫學專家那樣思考

研究背景

現在，基于大語言模型 (LLM) 的Agent已展現出跨越多個領域的卓越能力。

例如深度研究系統在復雜信息搜索和合成任務中就展現了高性能。但它們在醫療等專業領域容易出現不同程度的“水土不服”，面對復雜醫療查詢時也常“掉鏈子”，核心問題就兩個：

缺“專業儲備”：通用模型沒有密集的醫療知識，面對罕見病、多病癥關聯等場景，支撐不了臨床推理；缺“精準工具”：依賴公開網頁搜索的通用工具，要么找不到權威醫療數據，要么被錯誤信息干擾，無法保障推理嚴謹性。

而MedResearcher-R1的突破源于數據、工具、訓練方法三大核心創新。

據此，螞蟻團隊提出了知識指引下的軌跡合成框架（KISA），在12個醫學專業領域生成了2100多條不同的軌跡，每條軌跡平均與4.2個工具交互，為構建“專家級AI醫療研究員”提供了全新范式。

三大核心技術：不堆參數，只做 “精準突破”

MedResearcher-R1沒有走“堆參數、喂海量數據”的老路，而是從“讓AI學會像醫學專家那樣思考”出發，做了三個關鍵設計：

1. 主動 “造難題”：從3000萬文獻里煉出“4.2步推理題”

傳統AI訓練靠“啃現成數據”，而MedResearcher-R1學會了“自己造題”，尤其是醫療領域的“高難度研究型問題”。

研究團隊先從超過3000萬篇醫學文獻中，篩選出罕見病、特殊藥理機制等“冷門但關鍵”的醫學實體，再圍繞這些實體搭建知識圖譜。

最核心的一步是：從知識圖譜里提取“最長推理路徑”——比如“罕見遺傳病→關聯基因→靶向藥物→代謝副作用”的多環節鏈條，最終生成需要平均調用4.2次工具才能解決的復雜問題。

這意味著AI訓練時學的不是“翻書查答案”，而是“拆解問題、逐步驗證”的專家級思維，比如面對“某罕見心臟病的用藥副作用”，它會主動追溯藥物機制、臨床數據，而非直接套模板回答。

2. 專屬“工具箱”：不囿于公開搜索，直連權威醫療數據源

通用領域Deep Research Agent的“軟肋”之一，是只能依賴公開網頁搜索。

在醫療場景里，未經篩選的網絡公開檢索信息不僅可能過時，還可能混雜非臨床級數據。

MedResearcher-R1直接配備了私有化部署的醫療專用工具集：通過直接訪問國際醫療指南、核心醫學期刊等一手權威信源，盡可能從根源上避免“信息噪音”。

比如在回答“某藥物成分”時，它會直接調取官方藥品注冊數據，而非依賴可能出錯的公開科普；驗證“藥物副作用”時，會對接臨床驗證結果，確保每一步推理都有權威依據。

3. 不教“背誦”教“思考”：「蒙版軌跡引導（Masked Trajectory Guidance）」技術“逼”出AI的自主能力

怕AI“死記硬背”？MedResearcher-R1的訓練方法直接改道而行。

研究團隊用了一種“蒙版軌跡引導（Masked Trajectory Guidance）”技術：訓練時只給 AI一個“推理框架”（比如“疾病→藥物→副作用”的邏輯鏈），但隱藏關鍵實體信息（比如具體疾病名稱、藥物成分）。

這就逼著AI必須主動調用工具：查疾病指南確認病癥、搜藥品數據庫匹配成分、驗臨床數據驗證副作用，最終自己“拼出”完整推理鏈。

這種訓練不是“喂答案”，而是“教方法”——最終提升了小模型的泛化能力，在面對沒見過的新醫療問題，也能像人類研究員一樣自主拆解、驗證。

舉個具體例子：當被問及“某藥物的活性成分（需滿足質數劑量、受體拮抗機制等多條件）”時，通用AI通常會根據各種公開信息進行全面整理給出不同答案；

而MedResearcher-R1會先查企業史鎖定藥企，再調取藥物信息，接著驗證成分的化學結構與受體機制，最后確認副作用 ——整套流程復刻人類醫學研究員的工作邏輯，最終給出具體藥物名稱。

既要追求專業，還要“不偏科”

更值得注意的是，螞蟻還在攻克其專業模型的 “通用研究能力”提升，試圖打破“專業模型只能干一行”的刻板印象。

從GAIA、xBench等通用AI助手基準測試結果來看，MedResearcher-R1的表現也保持業界前列，初步驗證小規模模型可以同時兼具“領域深度”和“通用廣度”，避免因為“專精醫療”而變成“偏科生”。

MedResearcher-R1等專業模型發展的意義，不在于一次次測試結果，而是驗證另一種可能性：在醫療、法律、工業等專業領域，“參數規?！辈皇俏ㄒ唤馑?，“Agentic Data”才是破局關鍵——通過精準的數據源搭建、專用工具開發、創新訓練方法，小規模模型有機會能啃下硬骨頭。

在容錯率極低的醫療領域，專業模型仍然需要不斷提升可解釋性、合規性等，這也是行業未來面臨的共同挑戰。

目前，研究團隊已宣布將MedResearcher-R1的代碼和數據集開源，希望在推動全球研究者在該領域的協同創新，加速開發能夠輔助人類專家、提升醫療研究效率與質量的下一代AI工具。

感興趣的朋友可通過官網鏈接直接體驗。

官網鏈接：https://chat.antaq.com/
報告地址：https://arxiv.org/abs/2508.14880

— 完 —