中医处方生成中的证候、协同与安全：结构化推理与知识驱动对齐

该 arXiv 论文指出，大语言模型生成中医处方存在三类临床缺陷：缺乏可审计的理法方药推理链、无法处理随证加减的随访调整、未强制实施十八反等绝对禁忌规则。作者提出 SFT→PG-CoT→Dynamic→K-RL 四阶段框架，在 12 个微调模型和 6 个零样本基线中测试，称 Mistral-7B 在三项中医评估指标上超过零样本 GPT-5。

此前中医处方生成多依赖端到端映射，推理不可审计、不处理随访调整、不安全规则未硬约束。该工作把可审计推理链、患者轨迹建模和确定性药理规则分别嵌入训练流程，并报告小模型可超过大模型零样本表现，为垂直领域对齐提供了分阶段、可验证的工程路径。

该框架将三类缺陷分别对应四阶段：PG-CoT 在理法方药范式下约束思维链蒸馏以产生可审计诊断链；Dynamic SFT 用显式转移推理建模患者轨迹；K-RL 将确定性药理规则编码为基于规则的 DPO 偏好信号。其机制是把领域知识从提示层下沉到训练目标层，使规则和推理结构成为可优化的约束，而非推理时的外部提示。

对医疗 AI 产品，这意味着中医处方模块可拆分出可审计推理、随访调整和安全校验三个独立可验证组件，降低对超大模型的依赖，7B 级模型即可承载。研发上需建立结构化中医知识库与规则引擎，把禁忌规则转为偏好信号或硬约束，并引入轨迹级训练数据。成本上小模型替代大模型零样本调用可降低推理开销。

• 面向中医诊所或互联网中医平台，开发基于 PG-CoT 的可审计处方推理模块，输出理法方药逐层依据。
• 构建十八反等禁忌规则的确定性校验层，作为处方生成后的强制拦截组件独立售卖或集成。
• 针对慢病复诊场景，用 Dynamic SFT 思路开发随证加减的随访处方调整功能。
• 将 K-RL 的规则转偏好信号流程产品化为垂直领域对齐工具链，供药企或医疗 AI 团队复用。

• 论文未披露 12 个微调模型和 6 个零样本基线的具体评估指标定义与数据来源。
• Mistral-7B 超过零样本 GPT-5 的结论是否经过临床医生盲评或真实处方数据集验证尚不明确。
• 四阶段框架在非中医垂直领域的可迁移性缺乏证据。
• 十八反等规则以偏好信号而非硬约束编码，是否仍存在违规输出风险未说明。