面向醫(yī)學(xué)大模型的體系化人工智能框架構(gòu)建與應(yīng)用

摘要： 大語言模型具有強(qiáng)大的自我學(xué)習(xí)和理解能力，在醫(yī)學(xué)領(lǐng)域具有巨大的發(fā)展?jié)摿εc應(yīng)用價值。目前醫(yī)學(xué)領(lǐng)域大語言模型的預(yù)訓(xùn)練數(shù)據(jù)量大、算力成本高、缺乏規(guī)范化標(biāo)準(zhǔn)與指標(biāo)體系，極大地限制了大語言模型的擴(kuò)展與應(yīng)用。為解決上述問題，提出一種面向醫(yī)療全流程服務(wù)場景的體系化人工智能框架，通過知識分解和動態(tài)資源管理方法完成模型簡化分解和原生網(wǎng)絡(luò)構(gòu)建實(shí)現(xiàn)模型的彈性部署和靈活配置，在一定程度上降低了大語言模型...