面向醫(yī)學大模型的體系化人工智能框架構(gòu)建與應(yīng)用

摘要： 大語言模型具有強大的自我學習和理解能力，在醫(yī)學領(lǐng)域具有巨大的發(fā)展?jié)摿εc應(yīng)用價值。目前醫(yī)學領(lǐng)域大語言模型的預(yù)訓練數(shù)據(jù)量大、算力成本高、缺乏規(guī)范化標準與指標體系，極大地限制了大語言模型的擴展與應(yīng)用。為解決上述問題，提出一種面向醫(yī)療全流程服務(wù)場景的體系化人工智能框架，通過知識分解和動態(tài)資源管理方法完成模型簡化分解和原生網(wǎng)絡(luò)構(gòu)建實現(xiàn)模型的彈性部署和靈活配置，在一定程度上降低了大語言模型... （共7頁）