研究发布真人多模态咨询语料，并显式训练咨询推理过程与最终回应保持一致。
推荐理由：贡献不只在新增专业咨询长对话数据，更在于把推理—回答一致性设为直接优化目标，可减少看似合理却与判断过程脱节的高风险回应。
阅读原文