Matycaba2016/Reinforcement-Learning-Domain-Adaptation

Reinforcement Learning Domain Adaptation (ADRL)

Repositorio centralizado de modelos adaptados para el dominio biomédico.

Estructura de Modelos

SFT (Supervised Fine-Tuning)

• SFT/SFT-70/: Modelo adaptado con 70% del dataset combinado (HealthCareMagic + iCliniq). Base para GRPO.
• SFT/SFT-80/: Modelo adaptado con 80% del dataset.
• SFT/SFT-90/: Modelo adaptado con 90% del dataset.
• SFT/SFT-100/: Modelo adaptado con 100% del dataset (en progreso).

GRPO (Group Relative Policy Optimization)

• GRPO/Scaffold-Fade-ckpt5712/: Modelo entrenado con scaffold-fade y rúbricas atómicas.
• GRPO/V19/: Modelo con judge por código (checkpoint-2450).
• GRPO/V20/: Modelo con reward híbrido y desvanecimiento de entidades (checkpoint-2500).
• GRPO/V22/: Modelo con razonamiento clínico y reward asimétrico (checkpoint-2000).
• GRPO/V23/: Modelo con base SFT-90 y fade suave (checkpoint-2000).
• GRPO/V24/: Modelo con pensamiento clínico autónomo (activo).
• GRPO/V25/: Modelo con consulta directa autónoma (activo).