Cura 1T: エージェント型ヘルスケアに特化したモデル

要旨

ヘルスケアは、高いリスクを伴うコミュニケーション、専門家による推論、ワークフローの実行にわたる分野であるにもかかわらず、これらのユースケースをまとめてカバーする専門的な大規模言語モデル（LLM）は依然として限られている。ヘルスケアモデルは、患者との診察、テキストと画像にわたる臨床推論、対話型診断、電子健康記録（EHR）ツールの使用を処理できなければならない。これらの能力はそれぞれ異なる形で失敗し、あるタスクに対する狭い改善が別のタスクの性能を低下させる可能性がある。本稿では、人間がゲート制御する自己進化ループ（human-gated self-evolution loop）を通じて訓練された、ヘルスケア特化型LLMであるCura 1Tを提案する。進化の各ラウンドでは、訓練エージェントが目標とする能力を計画し、モデルを訓練し、ベンチマークのパフォーマンス軌跡を評価し、観察された失敗からデータ混合を洗練させる。このデータ中心のループにより、単一の汎用医療データ更新ではなく、ターゲットを絞った合成データおよび厳選データの例を通じてモデルが改善される。ヘルスケア評価スイート全体において、Cura 1Tは最先端のベースラインモデル群の中でトップまたはトップに近い評価を達成しつつ、ドメイン外の推論およびエージェントベンチマークにおいても競争力を維持している。

English

Healthcare spans high-stakes communication, expert reasoning, and workflow execution, yet specialized LLMs that cover these use cases together remain limited. A healthcare model must handle patient consultation, clinical reasoning over text and images, interactive diagnosis, and electronic health record (EHR) tool use. These capabilities fail in different ways, and a narrow update for one task can degrade another. We present Cura 1T, a healthcare-specialized LLM trained through a human-gated self-evolution loop. In each evolution round, a training agent plans a target capability, trains the model, evaluates benchmark trajectories, and refines the data mixture from observed failures. This data-centered loop improves the model through targeted synthetic and curated examples rather than a single generic medical-data update. Across the healthcare evaluation suite, Cura 1T ranks at or near the top among frontier baselines, while remaining competitive on out-of-domain reasoning and agentic benchmarks.

Cura 1T: エージェント型ヘルスケアに特化したモデル

Cura 1T: Specialized Model for Agentic Healthcare

要旨

Support