Generative Large Language Models (LLMs) 在各種自然語言處理任務(wù)中取得了顯著成功,包括問答和對(duì)話系統(tǒng)。然而,大多數(shù)模型是在英文數(shù)據(jù)上訓(xùn)練的,缺乏在提供中文答案方面的強(qiáng)大泛化能力。
為了解決這一問題,研究團(tuán)隊(duì)推出MedChatZH,這是一個(gè)專為中醫(yī)問答優(yōu)化的對(duì)話模型,基于 LLaMA 架構(gòu)的 transformer 解碼器。通過在精心篩選的醫(yī)學(xué)指導(dǎo)數(shù)據(jù)集上進(jìn)行微調(diào),MedChatZH 在真實(shí)世界的醫(yī)學(xué)對(duì)話數(shù)據(jù)集上顯著優(yōu)于幾個(gè)中文對(duì)話基線模型。我們的模型、代碼和數(shù)據(jù)集都在 GitHub 上公開可用,以鼓勵(lì)進(jìn)一步在傳統(tǒng)中醫(yī)和 LLMs 領(lǐng)域的研究和發(fā)展。
目前,大型語言模型在各種下游自然語言處理任務(wù)中表現(xiàn)出色,其中包括機(jī)器翻譯和實(shí)體識(shí)別。在2023年,OpenAI 推出了 ChatGPT 系列生成式對(duì)話模型,在學(xué)術(shù)和工業(yè)領(lǐng)域引起了重大反響,顯著推動(dòng)了自然語言技術(shù)領(lǐng)域的發(fā)展。然而,大多數(shù)語言模型,包括 ChatGPT,主要是在英文數(shù)據(jù)集上訓(xùn)練和微調(diào)的。當(dāng)應(yīng)用于其他語言(如中文)時(shí),由于詞匯不匹配、語料上下文和回答習(xí)慣的差異,它們往往遇到限制,導(dǎo)致響應(yīng)質(zhì)量和泛化能力下降。此外,在通用語言模型中缺乏特定領(lǐng)域理解的問題在專業(yè)領(lǐng)域中尤為突出,如傳統(tǒng)中醫(yī)會(huì)診。即使是像 ChatGPT 這樣的模型在這一任務(wù)中也會(huì)遇到困難,原因有:醫(yī)學(xué)領(lǐng)域中嚴(yán)格的道德和審查約束,導(dǎo)致拒絕提供醫(yī)療建議;中醫(yī)訓(xùn)練數(shù)據(jù)的缺乏,導(dǎo)致對(duì)中醫(yī)相關(guān)查詢的理解不足。
為了解決 LLMs 在中文應(yīng)用場(chǎng)景中的領(lǐng)域適應(yīng)挑戰(zhàn),研究人員提出了一組新的基礎(chǔ)模型,包括 Chinese-LLaMA 和 BLOOM,這些模型擴(kuò)展并在中文詞匯上進(jìn)行訓(xùn)練,以及 GLM 等雙語模型。然而,將通用語言模型直接應(yīng)用于專業(yè)領(lǐng)域仍未達(dá)到期望的性能水平。與豐富多樣的英文語料相比,中文語料往往被隔離在各種商業(yè)軟件中,不易公開獲取,或者在互聯(lián)網(wǎng)上受到質(zhì)量不佳和缺乏同行審查的困擾。這導(dǎo)致中文預(yù)訓(xùn)練語料和下游任務(wù)數(shù)據(jù)的稀缺,是訓(xùn)練通用中文 LLMs 的主要障礙。將通用語言模型應(yīng)用于中文特定垂直領(lǐng)域的挑戰(zhàn)更為突出,如中醫(yī)會(huì)診對(duì)話。即使是 ChatGPT 等模型在這一任務(wù)中也面臨困難,原因有:醫(yī)學(xué)領(lǐng)域中嚴(yán)格的道德和審查約束,通常導(dǎo)致拒絕提供醫(yī)療建議;中醫(yī)訓(xùn)練數(shù)據(jù)的缺乏,導(dǎo)致對(duì)中醫(yī)相關(guān)查詢的理解不足。
為了解決中醫(yī) QA 領(lǐng)域的研究空白,增強(qiáng)對(duì)話能力,本文介紹了一個(gè)專門為中醫(yī)患者對(duì)話優(yōu)化的生成式 LLM,MedChatZH。首先在大量的中醫(yī)文獻(xiàn)上進(jìn)行訓(xùn)練,使其獲得了傳統(tǒng)中醫(yī)知識(shí)的全面可靠基礎(chǔ)。然后在一個(gè)高質(zhì)量的數(shù)據(jù)集上進(jìn)行微調(diào),該數(shù)據(jù)集結(jié)合了醫(yī)學(xué)和一般對(duì)話,經(jīng)過啟發(fā)式和基于模型的過濾等復(fù)雜數(shù)據(jù)處理步驟,以去除不相關(guān)或敏感內(nèi)容,例如個(gè)人信息和口語回復(fù)。MedChatZH 的表現(xiàn)在真實(shí)世界的中醫(yī)問答基準(zhǔn)數(shù)據(jù)集上得到了測(cè)試,評(píng)估指標(biāo)涵蓋了傳統(tǒng)和基于獎(jiǎng)勵(lì)的模型評(píng)分。結(jié)果表明,MedChatZH 在中醫(yī)對(duì)話 LLMs(如 BenTsao(原名:HuaTuo)和 HuatuoGPT)上表現(xiàn)優(yōu)異。
論文的主要貢獻(xiàn)如下:
1. 提出了 MedChatZH,一個(gè)專門針對(duì)傳統(tǒng)中醫(yī)會(huì)診對(duì)話設(shè)計(jì)的生成式 AI 系統(tǒng),表現(xiàn)良好。
2. 收集和整理了大量中醫(yī)文獻(xiàn),構(gòu)建了一個(gè)預(yù)訓(xùn)練語料庫,并構(gòu)建了一個(gè)結(jié)合一般對(duì)話和醫(yī)學(xué)對(duì)話的高質(zhì)量數(shù)據(jù)集。通過啟發(fā)式和獎(jiǎng)勵(lì)評(píng)估,過濾掉敏感信息和質(zhì)量低下的口語回復(fù)。
3. 在真實(shí)世界的中醫(yī)問答基準(zhǔn)數(shù)據(jù)集上評(píng)估了 MedChatZH 的性能,展示了其在多個(gè)評(píng)估指標(biāo)上優(yōu)于其他基線模型。
MedChatZH 在管理傳統(tǒng)中醫(yī)對(duì)話的獨(dú)特復(fù)雜性方面表現(xiàn)出色,這可以歸因于它在大量中醫(yī)文獻(xiàn)上的廣泛預(yù)訓(xùn)練,以及在結(jié)合醫(yī)學(xué)和一般對(duì)話的數(shù)據(jù)集上進(jìn)行微調(diào)。MedChatZH 的有效性有望為特定于不同語言和文化背景的 LLMs 開辟新途徑。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
近日,德國柏林國際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會(huì)主辦的“2024全球開發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。