文章主要内容总结本文提出了一个名为BalancedBio的理论驱动框架，旨在解决生物医学领域大语言模型（LLM）的多能力对齐问题，实现参数高效的生物医学推理。该框架通过合成数据生成和强化学习技术，系统提升模型的领域专业知识、推理能力和指令遵循能力，并确保三者的平衡发展。核心工作包括：提出生物医学多能力收敛定理，证明领域知识、推理和指令遵循能力的平衡发展需要正交梯度空间，以避免能力干扰，为医疗AI的安全部署提供理论基础；设计两阶段训练流程：第一阶段通过医学知识锚定的合成数据生成（MKGSG）构建高质量训练数据，解决生物医学数据稀缺问题；第二阶段采用能力感知的群体相对策略优化（Capability-Aware Group Relative Policy Optimization），通过混合奖励加权策略维持能力正交性；实验验证显示，BalancedBio在同参数模型中表现最优（如BIOMED-MMLU达80.95%，推理能力61.94%），且在实际医疗场景中实现78%成本降低、23%诊断准确率提升和89%临床医生接受率。创新点理论创新：提出生物医学多能力正交定理，证明不同能力的梯度空间需满足正交性（内积≤ε），为多能力平衡提供数学基础；