X-Ragent：工具增强胸片推理
用强化学习学习何时调用辅助证据并过滤无效测量。
为什么重要
为医学影像代理如何选择性使用工具证据提供了可复现思路。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文提出 X-Ragent，一个用于证据支撑胸部 X 光推理的工具增强强化学习后训练框架。方法将学习式辅助证据寻求与有效性门控的定量测量获取解耦；构建 7.7K 样本 Rad-CoT 语料，用含工具轨迹和报告式诊断推理的数据对 Qwen3-VL-8B 做 agentic SFT，再用带准确性门控奖励的 GRPO 优化。论文称其在三个 CXR 基准上取得最强结果，并在完全留出的 ChestAgentBench 上提升 8.6 点。论文可通过 arXiv 获取。
要点（AI 据原文整理，数字均已与原文核对）
- 使用 Rad-CoT 通过 agentic supervised fine-tuning 初始化 Qwen3-VL-8B。
- 随后使用 Group Relative Policy Optimization (GRPO) 优化策略。
- 在三个 CXR benchmarks 上，X-Ragent achieves the strongest results。
- 在 fully held-out ChestAgentBench 上取得 8.6-point improvement。