中医大模型 ，开源！_中医大模型 开源

大家好，我是GitHub好项目君，每天分享GitHub上的好项目

主要分享GitHub上有趣、有意义、重要的项目

团队围绕“望闻问切”的核心理念，结合医学专家的深厚知识、多模态技术的创新应用，以及多生理信号的精准计算，推进模型的精准化和智能化。

源代码：

http://www.gitpp.com/yxw/bianque

大模型BianQue（扁鹊）是一个专注于医疗对话的大型语言模型，以下是对其的详细介绍：

1. 模型特点：

• BianQue是一个经过指令与多轮问询对话联合微调的医疗对话大模型。

• 该模型旨在强化AI系统的问询能力，模拟医生问诊的过程，特别注重“问”的能力，以更贴近真实医疗场景中的多轮问询。

3. 技术细节：

• BianQue基于ClueAI/ChatYuan-large-v2作为基准模型进行微调。

• 微调过程在8张NVIDIA RTX 4090显卡上进行，使用了包含超过900万条样本的中文医疗问答指令与多轮问询对话混合数据集。

• 微调一个epoch花费了大约16天的时间。

5. 应用场景与目标：

• BianQue旨在通过模拟医生的多轮问诊过程，提供更准确、个性化的医疗建议。

• 该模型未来计划围绕“望闻问切”的中医诊疗方法，结合医学专家知识、多模态技术等进行多个版本的模型迭代研究，以提升其在医疗领域的应用效果。

7. 开源与协作：

• BianQue项目已经开源，便于医疗界、学术界、相关企业等科研力量共同推进模型的专业能力与创新应用。

• 通过开源和协作，期望BianQue能够成为推动医疗AI发展的重要力量。

9. 版本更新与迭代：

• 自2023年4月首次发布以来，BianQue团队不断对模型进行迭代和优化，以提升其性能和实用性。

• 未来，团队将继续围绕医疗领域的需求，推动BianQue模型的进一步发展和完善。

BianQue作为一个专注于医疗对话的大模型，通过结合指令与多轮问询对话进行微调，旨在提供更贴近真实医疗场景的问诊体验。其开源性质和持续的迭代研究将有望推动医疗AI的发展和应用。

以下摘自github

经过调研发现，在健康领域，用户通常不会在一轮交互当中清晰地描述自己的问题，而当前常见的开源医疗问答模型（例如：ChatDoctor、本草(HuaTuo，原名华驼)、DoctorGLM、MedicalGPT-zh）侧重于解决单轮用户描述问题，而忽略了“用户描述可能存在不足”情况。哪怕是当前大火的ChatGPT也会存在类似的问题：如果用户不强制通过文本描述让ChatGPT采用一问一答的形式，ChatGPT也倾向于于针对用户描述，迅速给出它认为合适的建议和方案。然而实际的医生与用户交谈往往会存在“医生根据用户提出的描述进行持续多轮的询问”。并且医生在最后根据用户提供的信息综合给出建议，如下图所示。我们把医生不断问询的过程定义为询问链（CoQ, Chain of Questioning），当模型处于询问链阶段，其次下一个问题通常由对话上下文历史决定。

结合当前开源的中文医疗问答数据集（MedDialog-CN、IMCS-V2、CHIP-MDCFNPC、MedDG、cMedQA2、Chinese-medical-dialogue-data），分析其中的单轮/多轮特性以及医生问询特性，结合实验室长期自建的生活空间健康对话大数据，构建了千万级别规模的健康大数据BianQueCorpus。对话数据通过“病人：xxx\n医生：xxx\n病人：xxx\n医生：”的形式统一为一种指令格式，如下图所示。

input: "病人：六岁宝宝拉大便都是一个礼拜或者10天才一次正常吗，要去医院检查什么项目\n医生：您好\n病人：六岁宝宝拉大便都是一个礼拜或者10天才一次正常吗，要去医院检查什么项目\n医生：宝宝之前大便什么样呢？多久一次呢\n病人：一般都是一个礼拜，最近这几个月都是10多天\n医生：大便干吗？\n病人：每次10多天拉的很多\n医生："  
target: "成形还是不成形呢？孩子吃饭怎么样呢？"  

1
2
3

训练数据当中大量目标文本为医生问询的内容而非仅限于建议，这有助于提升AI模型的问询能力。

扁鹊-2.0

基于扁鹊健康大数据BianQueCorpus，选择了ChatGLM-6B作为初始化模型，经过全量参数的指令微调训练得到了新一代BianQue【BianQue-2.0】。与扁鹊-1.0模型不同的是，扁鹊-2.0扩充了药品说明书指令、医学百科知识指令以及ChatGPT蒸馏指令等数据，强化了模型建议与知识能力。以下为两个测试样例。

• 例1：宝宝特别喜欢打嗝，是什么原因啊，该怎么预防啊

• 样例2：我外婆近来身体越来越差，带她去医院检查，医生说她得了肾静脉血栓，我们全家都很担心，医生开了不少疫苗用低分子量的肝素钙，我想问它的药理毒理？

声明：BianQue模型不能替代医疗专业人士的建议和诊断。用户在使用模型时，应保持理性判断，不应过分依赖或轻信模型的输出内容，更不能将其与专业医生的意见相提并论。健康事关重大，请用户谨慎对待。

扁鹊-2.0采用了ChatGLM-6B模型的权重，并受其MODEL_LICENSE约束。因此，本模型仅供非商业性研究使用。

源代码：

http://www.gitpp.com/yxw/bianque

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】