Qibo: A Large Language Model for Traditional Chinese Medicine

本文是LLM系列文章，针对《Qibo: A Large Language Model for Traditional Chinese Medicine》的翻译。

摘要

在人工智能领域，大型语言模型（LLM）在医学、法律和金融等多个专业领域的用户意图理解和响应方面取得了重大进展。然而，在中医学这一独特的领域，LLMs的性能提升受到其理论与现代医学本质差异以及缺乏专业语料库资源的挑战。在本文中，我们旨在构建和组织一个中医领域的专业语料库，赋予大模型以中医理论特色的专业知识，并成功开发基于LLaMA的Qibo模型，这是中医领域第一个经历了从预训练到监督微调（SFT）的完整训练过程的LLM。此外，我们开发了Qibo基准，这是一个用于评估LLM性能的专门工具，也是一个用于在中医领域评估LLM性能的专门工具。该工具将为量化和比较不同模型在中医领域的理解和应用能力提供重要依据，并为中医智能助手未来的研究方向和实际应用提供指导。最后，我们进行了充分的实验来证明芪波在中药领域具有良好的性能。

1 引言

2 相关工作

3 方法

4 实验和评估

5 结论和局限性

我们在传统中医领域引入了“Qibo”LLM，它实现了对SFT的预训练，其性能优于传统中医领域的其他开源中国大型医学模型，并且可以与具有显著更多参数的模型相媲美。我们整理了中医领域高质量的训练语料库数据，构建了中医领域的评价基准——Qibo-benchmark，填补了中医领域评价空白。
尽管取得了这些成就，但我们也认识到该模式的局限性。Qibo不能保证所有的回复都是准确的。鉴于医疗领域误导性信息的潜在严重后果，我们建议用户谨慎对