MING大模型学习资源汇总 - 中文医疗问诊AI助手

🌐 MING项目简介

MING(明医)是由上海交通大学未来媒体网络协同创新中心和上海人工智能实验室智慧医疗中心联合开发的中文医疗问诊大模型。该项目旨在构建一个智能医疗问答和诊断系统,为用户提供专业、准确的医疗咨询服务。

MING的主要功能包括:

• 医疗问答:回答用户的医疗相关问题,分析医疗案例
• 智能问诊:通过多轮对话,给出诊断结果和治疗建议

📚 相关论文

1. MING-MOE: Enhancing Medical Multi-Task Learning in Large Language Models with Sparse Mixture of Low-Rank Adapter Experts

   MING-MOE技术报告,详细介绍了MING模型的技术原理。

2. Automatic Interactive Evaluation for Large Language Models with State Aware Patient Simulator

   介绍了基于多智能体交互的大语言模型多轮问诊自动评估框架。

🚀 模型下载

MING项目开源了多个版本的预训练模型,可以在HuggingFace上下载:

• MING-7B: 基于bloomz-7b1-mt微调
• MING-1.8B: 基于Qwen1.5-1.8B微调
• MING-MOE-1.8B: 基于Qwen1.5-1.8B的专家混合模型
• MING-MOE-4B: 基于Qwen1.5-4B的专家混合模型
• MING-MOE-7B: 基于Qwen1.5-7B的专家混合模型
• MING-MOE-14B: 基于Qwen1.5-14B的专家混合模型

💻 快速开始

1. 配置环境:

   • Python 3.9+
   • PyTorch 2.0+
   • peft 0.9.0

2. 安装依赖:

   git clone https://github.com/MediaBrain-SJTU/MING
   cd MING
   pip install -e .
   

3. 下载模型并运行(需要15GB以上显存):

   CUDA_VISIBLE_DEVICES=0 python -m ming/serve/cli.py \
       --model_path {path_to_checkpoint} \
       --model_base {path_to_base_model} \
       --max_new_token 3072
   

更多详细使用说明,请参考MING GitHub仓库。

🧪 测试样例

上图展示了MING模型的一个测试样例,可以看到模型能够理解复杂的医疗问题并给出专业的回答。

🙏 贡献者

MING项目由上海交通大学未来媒体网络协同创新中心和上海人工智能实验室智慧医疗中心合作研发。主要贡献者包括廖育生、江书洋、刘泓呈、孟昱同等,指导教师为王钰副教授。

📢 免责声明

MING提供的预训练模型仅供参考和研究使用,不能保证其准确性和可靠性。使用者应自行承担风险并进行验证,不建议将其直接用于实际医疗诊断或决策。

通过本文的介绍,相信读者对MING项目有了全面的了解。无论你是医疗AI研究者、开发者还是对智能医疗感兴趣的爱好者,都可以利用这些资源深入学习和探索MING模型。让我们共同期待MING在未来为智能医疗带来更多突破和创新!

文章链接：www.dongaigc.com/a/ming-large-model-learning-resources

https://www.dongaigc.com/a/ming-large-model-learning-resources