文章主要内容和创新点主要内容本文介绍了Prompt4Trust，这是首个基于强化学习（RL）的提示增强框架，旨在解决多模态大型语言模型（MLLMs）在临床场景中部署的关键问题：对提示设计的敏感性以及高置信度下的错误响应。该框架通过训练一个轻量级的校准指导提示（CGP）生成器，生成上下文感知的辅助提示，引导下游任务MLLM生成置信度与预测准确性更匹配的响应。实验表明，Prompt4Trust在医疗视觉问答（VQA）基准PMCVQA上实现了最先进的性能（准确率45.95%），且参数规模显著小于现有方法（3.5B vs. 13B）。此外，该框架训练的CGP生成器无需额外微调即可零样本迁移到更大的MLLMs，验证了其可扩展性。其核心是基于临床需求的非对称奖励函数，优先惩罚高置信度错误、鼓励高置信度正确，确保模型在高置信度时准确性高，在不确定时表现保守，符合临床安全标准。创新点首个RL驱动的MLLMs置信度校准框架：首次将强化学习用于提示增强，专门优化MLLMs的置信度校准，而非仅关注任务准确率。临床导向的非对称奖励机制：奖励函数对高置信度错误施加更重惩罚，对高置信度正确给予更高奖励，优先保障临床决策中“高置信度即高准确性”的核心需求。上下文感知的动态提示生成：CGP生成器根据输入的医疗问题和选项动态生成提示，克服了固定提示无法适配不同场景的局限性。
