Noura 框架利用个人规范提升慢性病饮食规划模型表现

该论文针对多慢性病饮食规划中语言模型难以同时满足疾病与药物特定要求的问题，提出 Noura 框架，通过将临床指南转化为可执行的个人规范来指导规划、优化份量并检查多日计划。实验显示，包括 GPT-6.1 Sol 在内的十三种模型直接生成的完整计划通过率均低于 3%，即使引入显式规则或增加推理努力，GPT-6.1 Sol 的通过率也不超过 8%。 核心突破在于 Noura 利用执行计划和上下文修正作为监督信号进行微调，而非仅依赖最终成功轨迹。在 4,993 名保留参与者测试中，Noura-SFT 将 Qwen3-14B 的完整计划通过率从 24.0% 提升至 72.5%，规则违规率降低 97.5% 且未观察到严重失败；本地部署的 14B 规划器比其 GPT-6 Luna 教师产生更少的规则违规。对比实验表明，基于执行目标的自训练在四个不同骨干模型（Qwen、Phi、Llama）上将规则违规率降低了 41% 至 61%。 事实层面，该方法证明了通过可执行规范将失败轨迹转化为学习信号的有效性，使得小参数模型在特定垂直领域能超越大参数模型。推断层面，这暗示未来 Agent 开发可能不再单纯依赖扩大模型规模，而是转向构建更精细的可执行约束系统和基于执行反馈的强化学习机制。猜测层面，这种“执行即监督”的模式若推广至其他复杂规划场景（如医疗用药排程或法律合规审查），可能会重塑行业对模型规模与任务成功率关系的认知，但具体迁移效果需验证其他领域的规范定义难度。