医疗大模型微调不再牺牲患者安全:S-BDS 在 PatientSafetyBench 上把安全率提高 4.64 个百分点
面向患者的医疗大模型通常靠大规模医疗指令数据做监督微调来获得领域知识,但这一过程会削弱模型原有的安全对齐。S-BDS 在双层数据选择的上层目标中加入熵正则,抑制选择权重过度集中,使大规模候选池中的样本排序更可靠,并以经临床医生审核的安全数据作为上层信号。在 Llama-3.1-8B-Instruct 与 Qwen3-8B-Instruct 上,S-BDS 的 PatientSafetyBench 安全率均为对比方法中最高,分别比最强基线 SEAL 高 4.64 和 3.00 个百分点,同时 HealthBench 医疗能力得分保持有竞争力。