HuatuoGPT-3发布：单阶段RL优化医疗大模型

2026-10-07 03:141 篇报道1 个发布方

发生了什么

Hugging Face Papers介绍HuatuoGPT-3，基于OnePO单阶段强化学习方法优化。该方法解决梯度饥饿和教师分布锚定问题。其27B变体在HealthBench Total上达到70.1分，Professional上达71.4分，超越GPT-6 Astra等前沿模型。

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

来源关系与证据边界

按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。