Apollo：开源多语言医疗大型语言模型

前言

医疗知识的整合与人工智能一直是研究界的焦点，每一点进步都可能带来更好的患者体验和更高的治愈率。尽管医疗大型语言模型(LLM)前景广阔，但现有工作主要集中在中文和英文上，对于其他语言的多语言适配还有待进一步探索。

为了将最先进的LLM的好处普及到更广泛的用户群体，研究团队开发了Apollo系列多语言医疗LLM。这一举措类似于历史上将变革性技术如电力和疫苗普及到更广泛群体的努力，将LLM视为现代版的医疗基础创新。

• Huggingface模型下载： huggingface.co/FreedomInte…
• AI快站模型免费加速下载：aifasthub.com/models/Free…

模型特点

Apollo作为一个轻量级的多语言医疗LLM，具有以下优势:

• 可以作为大模型的代理模型(Proxy Tuning)，在不需要接触敏感医疗训练数据的情况下，显著提升大模型的多语种医疗能力。
• 体积小，可直接部署在医疗设备上，无需联网即可提供本地化的医疗服务，提高效率。
• 计算资源要求低，更适合学术研究者探索医疗LLM领域的新思路和新问题。

ApolloCorpora：多语种医疗数据集

为了构建多语言医疗LLM，研究团队首先构建了高质量的ApolloCorpora数据集，覆盖了英语、中文、印地语、西班牙语、法语和阿拉伯语六种最广泛使用的语言，涵盖了全球61亿人口。

数据来源包括书籍、临床指南、百科全书、论文、在线论坛和考试等，共2.5万亿tokens。在数据处理过程中，研究团队还针对不同语言的医学特点进行了本地化特征保留。

Apollo：性能优良的轻量级多语言医疗 LLM

基于ApolloCorpora，研究团队开发了Apollo系列多语言医疗LLM，其中包括0.5B、1.8B、2B、6B和7B等不同规模的模型。相较于传统的继续预训练和指令微调方法，Apollo采用了一种新的域适应方法:使用ChatGPT将预训练语料重写为问答对，并采用自适应采样策略，实现了更平滑的过渡。

这种相对较小规模的模型设计，使Apollo可以作为大模型的代理模型(Proxy Tuning)使用，在不需要直接训练大模型的情况下，即可显著提升其多语言医疗能力，从而保护医疗训练数据的隐私。

XMedBench：多语种医疗知识评测

为了全面评估多语言医疗LLM的性能，研究团队构建了XMedBench评测集，包括英语的MedQA、MMLU等，中文的CMMLU，西班牙语的HEAD-QA，法语的FrenMedMCQA，以及翻译自MMLU的阿拉伯语和印地语版本。

评测结果显示，虽然GPT-4和Qwen-72B在闭源和开源模型中排名第一，但Apollo系列模型在同等规模下取得了最佳性能。其中Apollo-7B的表现与GPT-3.5持平，Apollo-1.8B与Mistral-7B持平，Apollo-0.5B与Llama2-7B持平。

虽然阿拉伯语和印地语的支持仍有待进一步提高，但Apollo系列模型在英语、中文、法语和西班牙语等主流语言的医疗知识理解方面已经达到了领先水平。

总结

总的来说，Apollo系列模型的开源发布，为多语种医疗人工智能的发展注入了新动力，有望让全球61亿人受益于先进的医疗AI技术。未来，研究团队还计划进一步优化Apollo在视觉理解和生成等方面的能力，以及与大型语言模型的深度融合。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓