**HuatuoGPT-3:仅用强化学习实现医疗大模型领域适配**

_HuatuoGPT-3: RL-Only Domain Adaptation from Base Models_

> 该论文提出 OnePO 算法,通过自适应目标演化和教师退役机制,解决纯强化学习在领域适配中的冷启动和分布锚定问题。基于此训练的开源医疗大模型 HuatuoGPT-3 在 HealthBench 上超越 GPT-6 Astra 等前沿模型,验证了 RL-only 适配路径的有效性。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.05966)