ResidencyRL

采用判断：ResidencyRL 适合纳入医学 AI 研究和方法跟踪清单，尤其适合想检验“交互式训练能否超越静态医学问答”的团队；但现有证据不足以把它当作可直接上线的临床产品、问诊助手或决策 API。它目前更像研究中的模型/训练框架，而不是普通用户可以立即使用的成熟工具。

现有材料将其描述为 Google DeepMind 相关项目：让具备广泛医学知识的模型进入模拟临床环境，接受长时序、多轮在线强化学习，在不确定性和动态对话中练习临床推理与决策。与静态考试、监督微调或单轮问答相比，其目标是训练更接近“程序性”的连续行动能力。它不是面向患者的普通医疗聊天机器人，也不是医院电子病历工作流软件，更不是已被证明可以替代住院医师的系统；更准确的类比是用于训练和评估健康 AI agent 的研究实验框架。

门槛与成本方面，现有证据只介绍研究思路和预期能力，没有提供官方仓库、模型权重、托管入口、API、定价或部署说明，因此无法判断普通开发者是否能直接使用，也不能承诺稳定的 API 或运行成本。保守推断，若要复现或严肃评估这类系统，通常需要强化学习、语言模型、临床模拟器、医学评测和工程基础设施能力，并可能承担较高的计算与数据成本；这只是基于方法的推断，不是官方费用信息。材料也未证明其具备临床认证或生产安全保障。

它更适合医学 AI 研究者、模型训练团队和关注临床 agent 评测的人，不适合需要可靠患者照护、明确 SLA、现成 API 或已验证临床安全性的个人和产品团队。证据质量偏向“转发较多、实测较少”：9 条材料中有 1 篇知乎文章和多条 X 帖子，统计显示约 17,595 次浏览、101 次互动且评论数为 0，内容整体偏正面，主要是项目介绍、作者发布和转述。这样的数据能证明近期受到关注，但不是好用证明；目前未见独立实测、完整教程、公开复现实验或充分的争议讨论，样本仍有限。