ZhiFangDanTai：基于图检索增强生成模型的中医方剂细调方法
计算与语言
2025-09-09 v1 人工智能
摘要
中医方剂在治疗流行病和复杂疾病方面发挥着重要作用。现有中医模型采用传统算法或深度学习技术分析方剂关系，但缺乏完整的方剂组成和详细解释。虽然近期努力利用中医指令数据集对大型语言模型 (LLM) 进行细调以实现可解释方剂生成，但现有数据集缺乏足够的细节，如方剂的主、臣、佐、使；功效；禁忌；舌诊和脉诊——限制了模型输出的深度。为此，我们提出 ZhiFangDanTai，一个结合图基检索增强生成 (GraphRAG) 与 LLM 细调的框架。ZhiFangDanTai 使用 GraphRAG 检索和综合结构化中医知识，生成简洁的摘要，同时构建增强的指令数据集以提高 LLM 集成检索信息的能力。此外，我们提供新的理论证明，表明将 GraphRAG 与细调技术结合可降低中医方剂任务中的泛化误差和幻觉率。在收集的临床数据集上的实验结果表明，ZhiFangDanTai 在多个最先进模型上实现了显著改进。我们的模型已开源于 https://huggingface.co/tczzx6/ZhiFangDanTai1.0。
引用
@article{arxiv.2509.05867,
title = {ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula},
author = {ZiXuan Zhang and Bowen Hao and Yingjie Li and Hongzhi Yin},
journal= {arXiv preprint arXiv:2509.05867},
year = {2025}
}