BenCao: An Instruction-Tuned Large Language Model for Traditional Chinese Medicine

文章主要内容与创新点总结

一、主要内容

本文针对现有中医领域大语言模型（LLMs）缺乏多模态融合、可解释性及临床适用性的问题，提出了基于ChatGPT的中医多模态助手BenCao。该模型通过自然语言指令微调而非参数重训练，整合了结构化知识库、诊断数据与专家反馈优化，适配中医领域的专业推理逻辑与伦理规范。

核心构成

1. 知识库建设：涵盖1000余部中医古典与现代文献，经格式转换、数据清洗后构建结构化知识库，支持精准知识检索。
2. 角色与场景设计：设定资深中医师角色，针对中医理论学习、轻微不适调理、体质评估与舌诊、日常养生与季节保健四大场景，设计适配性对话策略与约束规则（含安全免责声明）。
3. 推理与优化机制：融入思维链（CoT）模拟，通过“症状识别-辨证分析-治则推理-生活建议”四阶段推理，并结合中医执业医师的人工反馈迭代优化模型响应，确保专业逻辑性与伦理合规性。
4. 多模态集成：通过API接口整合舌象分类模型与多模态中医知识库，支持文本与视觉信息的协同处理。

性能与部署

• 在中医单选题测试（含诊断学、中药学等7个领域）、药材识别、体质分类任务中，准确率显著优于通用领域LLMs（如GPT-4o、Gemini 2.5 Pro）及现有中医领域模型。
• 已部署于OpenAI GPTs Store，截至2025年1