Fleming-R1: Toward Expert-Level Medical Reasoning via Reinforcement Learning

🤗 Fleming-R1-7B | 🤗 Fleming-R1-32B | 📑 Paper | 中文 | English

📖 模型简介

Fleming-R1 是一款面向医学场景的推理模型，能够对复杂问题进行逐步分析并给出可靠答案。模型采用“思维链冷启动”与大规模强化学习的训练范式。在多项医学评测中，7B 版本在同量级中达到 SOTA；32B 版本的表现接近更大规模的 GPT-OSS-120B，并在中文任务上更具优势。

模型特点：

• 面向推理的数据策略 结合公开医学数据集与知识图谱，提高了对罕见疾病、药物和多跳推理链的覆盖；
• 思维链冷启动 使用从教师模型中提炼的高质量推理轨迹，引导模型掌握基本的推理模式；
• 两阶段强化学习 通过自适应负样本挖掘，提高模型面对困难问题时的推理能力。

📰 NEWS

• 2025.09.29: 我们发布了模型训练过程中使用到的基于知识图谱构建的COT数据以及对应的子图，包括中文和英文版本COT数据共35,256条，中文17,512条，英文17,844条，子图20,000张。数据保存在./data文件夹中。

📦 发布版本

• Fleming-R1-7B —— 基于 Qwen2.5-7B 训练 🤗 UbiquantAI/Fleming-R1-7B
• Fleming-R1-32B —— 基于 Qwen3-32B 训练 🤗 UbiquantAI/Fleming-R1-32B

📊 性能表现

主要基准测试结果

推理能力对比

在衡量医学推理能力的MedXpertQA评测中，Fleming-R1超过了同量级甚至更大量级的模型，和一些闭源模型效果齐平。

🔧 快速开始

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "UbiquantAI/Fleming-R1-7B" # UbiquantAI/Fleming-R1-32B

# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

# prepare the model input
prompt = "What should I do if I suddenly develop a fever?"
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# conduct text completion
generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist() 

# parsing thinking content
output = tokenizer.decode(output_ids, skip_special_tokens=True).strip("\n")
thinking_content = output.split("<think>")[-1].split("</think>")[0]
content = output.split("</think>")[-1]

print("####thinking content:\n", thinking_content)
print("\n")
print("####answer:\n", content)

⚠️安全声明

本项目仅供研究与非临床参考；不得用于实际诊断或治疗决策。 输出的推理轨迹仅为模型生成的可审计中间过程，不等于医学意见。 在医疗场景中务必由专业人员进行复核与把关，并遵守所在地区的法律法规与隐私合规要求。

📚 引用

@misc{flemingr1,
      title={Fleming-R1: Toward Expert-Level Medical Reasoning via Reinforcement Learning}, 
      author={Chi Liu and Derek Li and Yan Shu and Robin Chen and Derek Duan and Teng Fang and Bryan Dai},
      year={2025},
      eprint={2509.15279},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2509.15279}, 
}