FreedomIntelligence 發布醫療大模型 HuatuoGPT-3-27B，採單階段強化學習並開源資料集

據社群消息指出，FreedomIntelligence 發布了基於 Qwen3.8-27B 的醫療大型語言模型 HuatuoGPT-3-27B。該模型採用單階段策略最佳化（One-stage Policy Optimization, OnePO）技術，無需先進行領域特定的監督式微調（SFT），即可透過單一強化學習階段讓語言模型適應醫療領域。在訓練機制上，教師模型的回應會提供暫時性指引，並隨著模型能力的提升而逐步退場。開發團隊已同步開源訓練程式碼、醫療強化學習資料集以及 8B 規模的評分模型（rubric grader）；此前該團隊也於上週釋出了 9B 版本的 HuatuoGPT-3-9B。