从通用大模型到医疗应用：大语言模型的调查——数据集、方法与评估
计算与语言
2024-09-24 v2 人工智能
摘要
大语言模型 (LLMs) 在 various natural language processing 任务上展现出惊人的性能。最近，增强域特定知识的医疗 LLMs 在医疗咨询和诊断方面表现出色，能够顺利模拟医生与患者的对话并提供专业医疗建议。大多数医疗 LLMs 通过在开源通用 LLMs 上进行持续训练开发而成，该方法比从头训练 LLMs 所需的计算资源更少，还能比基于 API 的解决方案更好地保护患者隐私。鉴于上述优势，本调查从更细粒度的角度系统性地总结了如何基于开源通用 LLMs 训练医疗 LLMs 的方法，涵盖 (a) 如何获取训练语料库并构建定制的医疗训练集、(b) 如何选择合适的训练范式、(c) 如何选择合适的评估基准，以及讨论现有挑战和潜在研究方向。本调查可为面向医疗教育、诊断规划和临床助理等 various 医疗应用开发 LLMs 提供指导。相关资源和补充信息可在 GitHub 仓库中找到。
引用
@article{arxiv.2406.10303,
title = {A Survey on Large Language Models from General Purpose to Medical Applications: Datasets, Methodologies, and Evaluations},
author = {Jinqiang Wang and Huansheng Ning and Yi Peng and Qikai Wei and Daniel Tesfai and Wenwei Mao and Tao Zhu and Runhe Huang},
journal= {arXiv preprint arXiv:2406.10303},
year = {2024}
}
备注
25 pages,4 figures