大型语言模型（LLM）在医学问答和临床推理方面展现出潜力，但其提升受限于静态参数知识和高成本的专家监督。自我进化代理通过迭代生成任务并求解，提供了一条可行的路径。现有自我进化方法多针对数学、编程等易于验证的领域，解答可以通过精确答案或可执行程序直接检查。医学推理则不同，它是开放式、知识密集且往往只能部分验证的任务。\ \ 为此我们提出 MedZERO，一个面向开放式医学推理的自我进化框架。MedZERO 由两大模块组成：\
- Examiner：生成前沿的医学问题‑选项对，构造新的学习任务；\
- Reasoner：利用证据驱动的多轮推理，并调用外部知识工具（如检索系统）进行求解。\ \ 为了实现可靠的持续改进，MedZERO 采用受控知识积累机制，将临时的探索性知识与经过筛选的持久性知识在推理过程中分离管理。这样既保证了新知识的探索空间，又防止噪声污染长期记忆。\ \ 我们在五个公开医学推理基准上对 4B 与 8B 规模的基础模型进行开放式评估。实验表明，MedZERO 在所有设置下均显著超越基模型和已有的自我进化基线，最高相对提升达 13.7 个准确率点。\ \ 点评