Syndrome, Synergy, and Safety: Structured Reasoning and Knowledge-Driven Alignment for TCM Prescription Generation

📄 arXiv: 2609.25755v1 📥 PDF

作者: Zheng Chen, ZhiCheng Du, Haoxuan Li, Peiwu Qin

分类: cs.CL, cs.AI

发布日期: 2026-09-22

备注: 21pages, 6figures

💡 一句话要点

提出四阶段框架以解决中医处方生成中的关键问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 中医处方生成 结构化推理 知识驱动对齐 动态微调 强化学习 药理规则 可审计性 模型优化

📋 核心要点

  1. 现有方法在中医处方生成中存在三个关键缺口，导致缺乏可审计的推理和后续调整。
  2. 论文提出的四阶段框架通过约束推理链、建模患者轨迹和编码药理规则来解决上述问题。
  3. 实验结果显示，所提框架在处方质量上显著优于零样本基线，尤其是7B模型表现突出。

📝 摘要（中文）

应用大型语言模型于中医处方生成时，发现三个临床关键缺口：模型生成的映射缺乏可审计的推理（SR缺口）、每次就诊孤立处理而缺乏后续调整（LA缺口）、未能强制执行绝对禁忌规则（SC缺口）。为此，提出了一个渐进的四阶段框架（SFT → PG-CoT → Dynamic → K-RL），分别通过PG-CoT约束推理链、Dynamic SFT建模患者轨迹、K-RL编码药理规则来解决这些问题。通过12个微调模型和6个零样本基线，框架在处方质量上显著优于零样本基线，7B模型（Mistral-7B）在所有三个中医评估指标上超越了零样本GPT-5。

🔬 方法详解

问题定义：论文旨在解决中医处方生成中存在的三个关键缺口：缺乏可审计的推理链、孤立处理每次就诊以及未能执行绝对禁忌规则。这些问题导致生成的处方质量不高，缺乏临床适用性。

核心思路：提出的四阶段框架通过逐步引入结构化推理和知识驱动的对齐，旨在提高处方生成的质量和可靠性。通过将推理过程与中医的理论框架相结合，增强了模型的可解释性和适应性。

技术框架：整体架构包括四个主要阶段：1) SFT（监督微调），2) PG-CoT（推理链蒸馏），3) Dynamic SFT（动态微调），4) K-RL（知识驱动强化学习）。每个阶段针对特定缺口进行优化，形成闭环反馈。

关键创新：最重要的创新点在于PG-CoT阶段，通过约束推理链的生成，使得模型能够生成符合中医理论的可审计诊断链。这一设计与现有方法的主要区别在于引入了中医特有的理论框架，增强了模型的临床适用性。

关键设计：在模型设计中，采用了特定的损失函数以优化推理链的生成，设置了明确的参数以确保动态微调的有效性，并在K-RL阶段引入了基于规则的偏好信号，以强化药理规则的执行。整体架构的设计旨在提高模型的可解释性和生成质量。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，所提框架在处方质量上显著优于零样本基线，尤其是7B模型（Mistral-7B）在所有三个中医评估指标上超越了零样本GPT-5，体现了7B模型的强大性能提升。

🎯 应用场景

该研究的潜在应用领域包括中医药的智能化处方生成、个性化医疗方案的制定以及临床决策支持系统。通过提高处方生成的质量和可靠性，能够为患者提供更为精准的治疗方案，推动中医药的现代化进程。

📄 摘要（原文）

Applying large language models to Traditional Chinese Medicine (TCM) prescription generation reveals three clinically critical gaps: models produce end-to-end mappings without auditable reasoning following the li-fa-fang-yao paradigm (SR Gap), treat each encounter in isolation without follow-up adjustment via sui zheng jia jian (LA Gap), and fail to enforce absolute contraindication rules such as Shi Ba Fan (SC Gap). We propose a progressive four-stage framework (SFT $\to$ PG-CoT $\to$ Dynamic $\to$ K-RL) that addresses each gap: PG-CoT constrains CoT distillation under the li-fa-fang-yao paradigm to produce auditable diagnostic chains, Dynamic SFT models patient trajectories with explicit transition reasoning, and K-RL encodes deterministic pharmacological rules as rule-based DPO preference signals. Across 12 fine-tuned models and 6 zero-shot baselines, our framework substantially improves prescription quality over zero-shot baselines---with a 7B model (Mistral-7B) surpassing zero-shot GPT-5 on all three TCM evaluation metrics.