From Answers to Arguments: Toward Trustworthy Clinical Diagnostic Reasoning with Toulmin-Guided Curriculum Goal-Conditioned Learning

Created by

Haebom

저자

Chen Zhan, Xiaoyu Tan, Gengchen Ma, Yu-Jie Xiong, Xiaoyan Jiang, Xihe Qiu

💡 개요

본 논문은 임상 진단에서 LLM의 불투명하고 신뢰할 수 없는 추론 문제를 해결하기 위해 튜민 모델을 활용한 새로운 훈련 프레임워크인 Curriculum Goal-Conditioned Learning (CGCL)을 제안합니다. CGCL은 3단계 커리큘럼을 통해 LLM이 사실 추출, 가설 검증 및 반박, 결론 도출 등 튜민 모델 구조에 따른 명확한 진단 논증을 생성하도록 점진적으로 훈련합니다. 이를 통해 기존의 고비용 RL 방식과 동등한 수준의 진단 정확도와 추론 품질을 달성하면서도 더 안정적이고 효율적인 훈련이 가능함을 보여줍니다.

🔑 시사점 및 한계

•

LLM 기반 임상 진단 시스템의 신뢰성 및 투명성 확보를 위한 실질적인 방법론을 제시합니다.

•

튜민 모델이라는 검증된 논증 구조를 활용하여 LLM의 추론 과정을 명확하고 이해 가능하게 만듭니다.

•

고비용의 RL 방식 대비 효율적이고 안정적인 훈련 파이프라인을 제공합니다.

•

T-Eval과 같은 정량적 평가 프레임워크를 사용하여 제안 방법론의 효과를 검증합니다.

•

아직 실제 임상 환경에서의 광범위한 검증 및 적용이 필요합니다.

•

튜민 모델의 복잡성이 LLM 훈련에 미치는 추가적인 영향에 대한 심층 분석이 필요할 수 있습니다.

PDF 보기

Made with Slashpage