MedAdapter：面向医学推理的大语言模型高效测试时适配

尽管大语言模型(LLM)在生成和推理方面表现出提高的能力，但适应生物医学领域仍然具有挑战性，这是由于其庞大尺寸和企业隐私。在本工作中，我们提出MedAdapter，这是一种用于LLM生物医学应用测试时适配的统一后处理适配器。与此不同的是，通过仅对小型BERT大小的适配器进行微调，MedAdapter有效地适应原始模型以排序由LLM生成的备选解决方案。实验表明，MedAdapter能够有效适应白盒和黑盒LLM在生物医学推理中的表现，分别实现了25.48%和11.31%的平均性能提升，而无需大量计算资源或与第三方共享数据。MedAdapter还在与训练时适配结合时表现出优异性能，凸显其作为现有适配方法的灵活且互补的解决方案。面对在模型性能、计算资源和数据隐私之间取得平衡的挑战，MedAdapter提供了一种高效、隐私保护、成本效益高且透明的解决方案，用于适配生物医学领域的LLM。