Google DeepMind 论文：用模拟患者强化学习训练 Gemini 3.1 Flash-Lite 提升精神科问诊能力

谷歌 DeepMind 的一篇新论文显示，通过强化学习（RL）使用模拟患者训练模型后 Psychiatrists 评估认为，它成为一名更出色的精神科初诊问询者。

在模拟精神科问诊中进行的训练，将对抗性病例中漏报急性风险升级的比例从 30.5% 降至 12.9%。

在精神科领域，初诊问诊是主要的诊断工具，而关键事实往往只有在建立信任并经过谨慎提问后才会浮现。大多数对话式医疗 AI 评估都未纳入精神科病例。

他们使用多轮强化学习训练 Gemini 3.1 Flash-Lite，对手是模拟患者；这些患者只有在建立融洽关系并接受有针对性的提问后，才会透露关键事实。随后，32 名精神科医生扮演患者，另有 15 名医生对问诊记录进行盲评。

在 60 组配对病例中，经过训练的智能体有 76.7% 的表现优于提示词完全相同的基座模型。在 256 个对抗性病例中，它有 12.9% 的时候未能升级处理急性风险，低于此前的 30.5%。

如果你要构建医疗智能体，请使用模拟对话对其进行训练，但务必让临床医生继续监督，因为对抗性危机中约有八分之一未被升级处理。

– arxiv. org/abs/2610.40476

标题：“Training language models in simulation for psychiatric intake”