华佗GPT-3以单阶段强化学习适配医疗

9B医疗模型基于Qwen3.5，以OnePO跳过领域监督微调，并开放代码、数据与评分器。

推荐理由：OnePO将医疗适配压缩为单次强化学习，教师回答只作临时引导并随能力提升退出；若效果可复现，可显著降低医疗模型对昂贵监督微调数据的依赖。