MedGR$^2$: Datenknappheit in der medizinischen KI überwinden
Die Anwendung von Vision‑Language‑Modellen (VLMs) im medizinischen Bereich wird bislang durch den Mangel an hochwertigen, Experten‑annotierten Daten stark eingeschränkt. Beim klassischen Supervised Fine‑Tuning (SFT) auf vorhandenen Datensätzen kommt es häufig zu schlechter Generalisierung auf neue Modalitäten und Aufgaben. Reinforcement Learning (RL) gilt als vielversprechende Alternative, doch in diesem datenarmen Umfeld fehlt es an verlässlichen Belohnungssignalen.
