将行为诊断转化为可定位的低秩修正，以完整回答评估推动下一轮研究迭代。
诊断行为↓构造内部编辑↓评估收益并迭代
三条件等权的完整回答提升
配对 95% 区间 [+1.40, +2.52]
Medbullets 正确率相对提升 6.10%
本页以《医疗RSI》和《RSI_开放问答》当前正文组织研究主线，并保留三场景实验资料。本次更新读取截至 2026 年 11 月 14 日的研究对话、完整结果导出与独立复核文件。
pp 表示百分点。开放问答按原始人工 rubric、由模型评审执行评分；区间为病例配对 95% 区间。选择题分别展示冻结配方的原严格评分、历史方法对照的统一格式评分，以及最新公平 2×2 对照。各表分别标注独立复验、开发对照或探索分层。
新综合净收益验证为独立 1,024 病例、3,072 组有效评分，评审为 gpt-oss-120b；历史双评审使用另一独立队列。24 组探索复用 256 个开发病例。条件、种子及评审次数分别记账。
视觉参考：Medical Decision Atlas。页面数据为本次汇报快照。