X-Ragent：面向胸部 X 光证据推理的工具增强强化学习后训练框架

论文提出 X-Ragent，一个用于工具增强强化学习的后训练框架，将辅助证据检索与带有效性门控的定量测量获取解耦，以支持有据可依的胸部 X 光（CXR）推理。作者构建了 7.7K 样本的 Rad-CoT 语料，用其对 Qwen3-VL-8B 做 agentic SFT 初始化，再用 GRPO 优化策略，奖励中引入准确率门控，仅对诊断正确的轨迹施加测量一致性和工具成本的过程项。