Cura 1T：面向智能体化医疗的专用大模型 Cura 1T: Specialized Model for Agentic Healthcare

自我进化循环分五步。Plan：智能体在人类引导下定义目标行为、选定基准与指标、设计数据配方、提出候选超参，产出训练规格并经人类 plan 审批。Train：在轻量栈上跑 LoRA 适配器，先用 SFT 筛查混合与超参，通过后跑 RL 用奖励信号改进策略，最后用 SDFT 以 KL 目标 $L(\theta)=D_{KL}(\pi_\theta(\cdot|x)\|\pi(\cdot|x,c))$ 巩固该轮。Evaluate：跑 harness 收集带评分轨迹与失败摘要。Refine：先做根因分析归类失败，再触发数据合成技能——Reasoning Correction 修正失败推理链并播种同类问题，Knowledge Injection 用检索文档补缺失临床知识并合成带显式推理的闭卷 QA，Behavior Calibration 合成表达期望差距的 rubric，Retention Anchor 加已掌握能力样本防遗忘，Other 处理工作流类失败；修正行与保留锚经 Data Mixture Curation 去重、设上限、重加权，再过 Validation Gates（格式/安全/PII/去重/覆盖）。Review：人类对 refinement 与候选模型把关，作 keep/revert/refine/deploy，保留轮成下一轮继续点。最终 Cura 1T 从所有保留轮累积的 consolidated mixture 训练得到，最终超参为 SFT→RL→SDFT、基座 Kimi-K2.6、LoRA rank 32、学习率 $3\times10^{-4}$ 线性衰减、batch 128、序列上限 256K、6 epoch 带 early stopping。

技术新颖性有五点。其一，把搜索对象从提示/代码/超参转向数据混合，让"医疗专精"成为可重复的数据构造流程。其二，引入一组面向失败模式的可复用合成技能（推理修正/知识注入/行为校准/保留锚/Other/混合策划），既能定向修复又能保留旧能力，这解释了为什么 HealthBench 的 Behavior correction 被回退而 Clean behavior mix 被保留。其三，SFT→RL→SDFT 三步栈把 SDFT 当作"保住原生推理行为"的巩固器，避免长医疗推理链被离策略 CoT 损伤。其四，四个基准各自独立回路再 consolidated，使交叉基准巩固成为可能——Cura 1T 在 HealthBench Hard 达到 0.368 接近 HealthBench 专属轮，正是累积的体现。其五，对 harness 的工程化适配（AgentClinic 改为 order_test/submit_diagnosis 双工具、MedAgentBench 暴露 fhir_get/fhir_post/finish 三操作）既严谨又能让"脆性失败"的根因更可定位。

独立分析看，Cura 至少存在四个可改进的弱点。第一是评测公平性：四个医疗基准都被作者重新 harness 化，这种"先改 harness 再报分"的做法会让跨论文比较失真，改进方向是同时报告原始协议与改造协议下的分数，或公开 harness 让第三方复测。第二是人工成本不透明：论文强调"human-gated"，但没给出每个回路需要多少专家人时，plan 审批与 keep/revert 决策会成为规模化瓶颈，改进方向是引入更自动化的失败归类与离线回归测试集，把人类只留在高风险节点。第三是合成数据的闭环风险：推理修正、知识注入都依赖前沿外部模型生成教师轨迹，存在模型族同质化与合成错误被固化（如附录 A.3.3 健康码 ICD-10 退化为 M54.3 的细节），改进方向是对合成数据做对抗性交叉验证、加入来源溯源与不可验证条目剔除。第四是评测覆盖窄：六个面板集中于英语临床推理与 FHIR 工具，缺少非英语、儿科/罕见病、长程真实 EHR 工作流，改进方向是引入 CHI-Bench、PhysicianBench、HealthAgentBench 等长程基准与多语言评测。

作者提出的未来方向有三：拓宽临床行为覆盖、瞄准长程智能体工作、在资源允许时探索全参数更新。基于本成果还可延伸出若干方向。其一，把"数据混合即搜索对象"的范式推广到法律、金融等其他"信号稀缺且失败分布不均"的领域，验证该闭环是否具有普适性。其二，将自我进化循环与更强的过程级奖励（process reward）结合，让 RL 阶段不再只依赖终态成功，而是奖励中间临床动作（如 order_test 的判别力）。其三，把保留锚形式化为一个显式的弹性权重巩固（EWC）式正则或课程调度，让"防遗忘"从启发式升级为可证明的约束。其四，研究 consolidated mixture 的可解释性——不同回路的保留数据之间是否存在冲突、合并时如何仲裁，是一个值得深挖的数据级问题。其五，结合连续照护系统（如 Baichuan-M4 的患者记忆、动作约束、证据检索）做长 horizon 真实部署评测，检验 Cura 在动态患者状态下的稳定性。

复现评估中等偏难。有利面：模型权重以 actava.ai/cura 开放、GitHub（actava-ai/Cura）与文档可访问，最终训练超参完整公开（SFT→RL→SDFT、基座 Kimi-K2.6、LoRA rank 32、学习率 $3\times10^{-4}$ 线性衰减、batch 128、序列上限 256K、6 epoch 带 early stopping），训练栈基于 Tinker 的 LoRA 适配器训练，相对轻量。不利面明显：自我进化核心——数据合成技能依赖未公开的前沿外部模型作教师，合成数据、保留锚样本、各回路混合比例均未随文发布；四个基准的 harness 改造（AgentClinic 的 order_test/submit_diagnosis、MedAgentBench 的 fhir_get/fhir_post/finish）需运行真实 FHIR 服务器与病人模拟器，工程门槛高；"human-gated"环节需医学专家参与 plan 审批与 keep/revert 决策，非实验室难以复制。因此代码/权重层面可部分复现，但完整复现自我进化过程需重建数据合成流水线与人工把关流程，难度较大。