**SDR：面向胸部X光报告生成的集合距离奖励方法**

_SDR: Set-Distance Rewards for Radiology Report Generation_

> 针对胸部X光报告生成中标准奖励不匹配的问题，本文提出集合距离奖励（SDR），将报告拆解为句子嵌入集合，利用集合间连续、置换不变的距离开展强化学习后训练。在三个视觉语言模型上的实验表明，基于GRPO的SDR后训练在BERTScore、RadGraph F1和CheXbert F1指标上均显著优于监督微调与精确匹配GRPO。该距离还可用于测试时最佳N选取和生成中期候选修剪，在保持诊断质量的同时减少50%以上生成token，为后训练和测试时扩展提供了统一信号。代码已公开。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.00440)