QuarkMedSearch گامی بلند در توسعه هوش مصنوعی پزشکی محسوب می‌شود. این سیستم به عنوان توسعه‌ای از Tongyi DeepResearch طراحی شده و به طور خاص برای سناریوهای جستجوی عمیق پزشکی در چین هدف‌گذاری شده است. هدف اصلی، غلبه بر چالش بحرانی بهبود عملکرد هوش مصنوعی در حوزه‌های تخصصی عمودی بوده است.
تیم تحقیقاتی در سه جنبه بنیادی فعالیت کرده است. نخست در حوزه سنتز داده، با کمبود داده‌های آموزشی مواجه شد. راهکار ابتکاری آنها ادغام گراف‌های دانش پزشکی در مقیاس بزرگ با قابلیت‌های اکتشاف آنلاین بلادرنگ بود. این ترکیب نوآورانه امکان ساخت مجموعه داده‌های آموزشی جستجوی عمیق پزشکی با افق بلند را فراهم کرده که نیازهای اطلاعاتی بالینی پیچیده را بهتر منعکس می‌کند.
در مرحله دوم، سیستم QuarkMedSearch یک استراتژی دو مرحله‌ای را پیاده‌سازی کرده است. این رویکرد شامل تنظیم دقیق نظارتی (supervised fine-tuning) و یادگیری تقویتی (reinforcement learning) می‌شود. هدف، توسعه تدریجی قابلیت‌های برنامه‌ریزی، مهارت‌های فراخوانی ابزار و تفکر بازتابی مدل بوده است. همزمان، بهره‌وری جستجو حفظ شده است.
سومین محور فعالیت، ارزیابی بوده است. پژوهشگران با همکاری متخصصان حوزه پزشکی، معیار QuarkMedSearch Benchmark را ایجاد کردند. این چارچوب ارزیابی با تأیید دستی دقیق برای اطمینان از اعتبار و ارتباط بالینی طراحی شده است.
نتایج تجربی نشان می‌دهد QuarkMedSearch به عملکرد پیشرو در میان مدل‌های متن‌باز با مقیاس مشابه دست یافته است. علاوه بر این، مدل در ارزیابی‌های معیار عمومی نیز رقابت‌پذیری بالایی از خود نشان داده است. این موضوع نشان‌دهنده قابلیت کاربرد گسترده‌تر فراتر از حوزه‌های پزشکی تخصصی است.
این مقاله با تألیف Zhichao Lin در تاریخ ۱۴ آوریل ۲۰۲۶ منتشر شده و نقطه عطفی در پیشرفت سیستم‌های هوش مصنوعی عامل‌محور در کاربردهای سلامت محسوب می‌شود.
گفتگو