Cura 1T: 에이전트 기반 헬스케어를 위한 특화 모델

초록

의료 분야는 높은 이해관계의 의사소통, 전문가적 추론, 업무 흐름 실행을 포괄하지만, 이러한 사용 사례를 함께 다루는 특화된 LLM은 여전히 제한적입니다. 의료 모델은 환자 상담, 텍스트와 이미지에 기반한 임상 추론, 대화형 진단, 전자 건강 기록(EHR) 도구 사용을 처리할 수 있어야 합니다. 이러한 기능들은 각기 다른 방식으로 실패하며, 한 작업에 대한 좁은 업데이트가 다른 작업의 성능을 저하시킬 수 있습니다. 본 논문에서는 인간이 관여하는 자체 진화 루프(human-gated self-evolution loop)를 통해 학습된 의료 특화 LLM인 Cura 1T를 소개합니다. 각 진화 라운드에서 훈련 에이전트가 목표 역량을 계획하고, 모델을 학습시키며, 벤치마크 궤적을 평가하고, 관찰된 실패로부터 데이터 혼합을 개선합니다. 이 데이터 중심의 루프는 단일한 일반 의료 데이터 업데이트가 아닌, 목표 지향적인 합성 및 선별된 예제를 통해 모델을 향상시킵니다. 의료 평가 제품군 전반에 걸쳐 Cura 1T는 최첨단 베이스라인 중 최상위권에 위치하며, 도메인 외 추론 및 에이전틱 벤치마크에서도 경쟁력을 유지합니다.

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: 에이전트 기반 헬스케어를 위한 특화 모델

Cura 1T: Specialized Model for Agentic Healthcare

초록

Support