文章核心总结与翻译一、主要内容本文提出一种基于事实医疗知识的多语言医疗推理轨迹生成方法，针对现有医疗问答模型多聚焦英语、依赖通用模型蒸馏且知识可靠性不足的问题，构建了涵盖英语、意大利语、西班牙语的多语言医疗推理资源与模型。通过检索增强生成技术，基于维基百科医疗知识构建知识库，为MedQA和MedMCQA数据集的多语言版本生成50万条推理轨迹，并在上下文学习和监督微调场景中验证，最终实现8B参数模型在多语言医疗问答任务中的最先进性能，同时开源了推理轨迹数据集、翻译后的问答数据集、医疗维基知识库及微调模型。二、创新点首次构建英语、意大利语、西班牙语三语言医疗推理轨迹数据集，轨迹均基于人工修订的事实医疗知识，可扩展至维基百科支持的其他语言。提出检索增强的多语言推理轨迹生成流水线，通过知识库构建、相关证据检索、上下文重写与推理轨迹生成四步流程，确保推理的事实依据性。验证了推理轨迹在多场景的有效性，无论是上下文学习（少样本）还是监督微调，均能显著提升模型性能，且多语言联合训练效果优于单语言训练。开源多维度医疗AI资源，包括多语言推理模型、推理轨迹数据集、翻译后的医疗问答数据集及医疗维基知识库，支持更安全透明的多语言临床决策支持工具开发。三、核心部分翻译（Markdown格式）Abstract（摘要）具有推理能力的大型语言模型（LLMs）近期在医疗问
