GRPO训练优化

DiagnosisZero是一个基于DeepSeek R1 Zero的罕见病诊断研究项目，专注于通过人工智能提升医疗诊断的精准性。该项目利用Rare Arena数据集和GRPO（Group Relative Policy Optimization）进行训练，通过链式思维提示和自定义奖励函数优化诊断过程。项目探索不同模型规模（1.5B、3B、7B）的训练，评估性能差异，并采用序列匹配算法与真实诊断对比，解决特殊字符和格式问题。该项目适合研究和教育用途，但不适用于临床诊断。