事实一致性评估

OraPO：面向数据高效与事实准确的放射学报告生成的 Oracle 教育强化学习

OraPO: Oracle-educated Reinforcement Learning for Data-efficient and Factual Radiology Report Generation

把 GRPO 探索失败的样本通过轻量 oracle 步骤转成直接偏好监督，配合基于原子临床事实蕴含检查的句级稠密奖励，为视觉语言模型在低数据预算下做单阶段 RL 训练提供了可复用范式。