港中深发布HuatuoGPT-3医疗模型

港中深团队发布医疗大模型 HuatuoGPT-3，探索从基座模型出发的纯强化学习领域适配，绕开主流的 SFT+RL 流水线。团队指出，纯 on-policy RL 存在冷启动问题，混合策略 RL 则会出现梯度饥饿与教师分布锚定两种失效模式。为此，团队提出 OnePO 自适应目标演化方法，并在策略表现超过教师后通过 Teacher Retirement 丢弃教师输出。据 2026 年 10 月 7 日报道，该模型仅 27B 参数，在 HealthBench 上达到 70.1 分，报道称其超过 GPT-6 Astra。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。