Enhancing Reasoning Skills in Small Persian Medical Language Models Can Outperform Large-Scale Data Training
Notice bibliographique
Résumé
Reasoning is a critical requirement for medical language models, where incorrect or poorly justified outputs can have serious consequences. Despite the importance of this capability, prior work has largely focused on high-resource languages, leaving Persian—a widely spoken and medically relevant language—significantly underexplored. In this work, we address this gap by introducing two complementary post-training frameworks designed to enhance medical reasoning in Persian language models. Our central hypothesis is that, while training on massive medical corpora can improve factual knowledge, targeted post-training using preference-based optimization methods can yield greater gains in medical reasoning efficiency and reliability, even with substantially less data. The newly introduced model shares the same baseline as our previous model, gaokerena-V, which was obtained by training the aya-expanse-8b on 57 million tokens of web-crawled Persian medical data, in this work we apply small-scale post-training using Direct Preference Optimization (DPO) and Reinforcement Learning from AI Feedback (RLAIF). This post-training relies on only 11,000 AI-generated preferred–rejected response pairs, comprising approximately 2 million tokens in preferred answers and 2.5 million tokens in rejected ones, without requiring costly human annotation. Experimental results on a Persian-translated Medical MMLU benchmark demonstrate that this lightweight post-training approach outperforms gaokerena-V by a margin of 3.67 percent, highlighting that structured preference-based reasoning supervision can be more effective than large-scale domain data training alone for improving medical reasoning in low-resource languages.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».