연구진은 임상 AI 추천에 대한 임상 전문가의 재정의를 강화 학습에서 인간 피드백(RLHF)을 활용하는 것과 유사한 암묵적 선호도 데이터로 재해석했어요. 환자 상태, 조직 환경, 임상 전문가 역량을 고려한 새로운 프레임워크를 제시하며, 재정의 유형에 따른 모델 업데이트 목표를 정의했어요. 임상 전문가 역량에 따른 올바른 추천을 억제하는 '억제 편향'을 방지하기 위해 보상 모델과 역량 모델을 공동으로 학습하는 이중 학습 아키텍처를 제안했어요.