ClinicalGPT：用多样化医疗数据微调并全面评估大语言模型
计算与语言
2023-06-19 v1
摘要
大语言模型借助预训练和指令微调等技术，在各种自然语言处理（NLP）任务上展现出卓越性能。尽管取得这些进展，由于事实错误、推理能力不足以及缺乏真实世界经验支撑等挑战，它们在医疗应用中的有效性受到限制。在本研究中，我们提出 ClinicalGPT，一种专为临床场景设计并优化的语言模型。通过在训练过程中纳入广泛且多样的真实世界数据，如医疗记录、领域特定知识和多轮对话问诊，ClinicalGPT 更能应对多种临床任务。此外，我们引入了一个包含医疗知识问答、医学考试、患者问诊和医疗记录诊断分析的全面评估框架。我们的结果表明，ClinicalGPT 在这些任务上显著优于其他模型，凸显了我们将大语言模型适配到医疗这一关键领域的方法的有效性。
引用
@article{arxiv.2306.09968,
title = {ClinicalGPT: Large Language Models Finetuned with Diverse Medical Data and Comprehensive Evaluation},
author = {Guangyu Wang and Guoxing Yang and Zongxin Du and Longjun Fan and Xiaohu Li},
journal= {arXiv preprint arXiv:2306.09968},
year = {2023}
}