- 博客(100)
- 收藏
- 关注
RSS订阅原创 【2025.2 arxiv】MedRAG：利用知识图谱引发的推理增强检索增强生成，助力医疗保健副驾驶
MedRAG：基于知识图谱增强的医疗诊断RAG模型 摘要：本文提出MedRAG模型，通过构建四层分级诊断知识图谱（大类-亚类-具体疾病-疾病特征）来增强医疗诊断的精准性。该模型创新性地将知识图谱引导推理与电子健康记录检索相结合，显著提升了相似症状疾病的鉴别能力（准确率提升12.3%）。实验在DDXPlus和慢性疼痛诊断数据集上验证了其优越性，尤其在主动追问机制支持下，模型能有效补全缺失症状信息。研究同时发现，知识图谱的细粒度信息可能对小参数模型（如GPT-3.5）的大类诊断产生干扰，这为未来优化指明了方向。
2026-01-19 17:14:19
675
原创 【2024ACL】Mind Map ：知识图谱激发大型语言模型中的思维图谱
本文提出MindMap框架，通过知识图谱(KG)增强大型语言模型(LLM)的推理能力。该方法创新性地将KG拆解为路径型和邻居型证据子图，保留结构化信息，并引导LLM进行知识整合与推理。实验表明，MindMap在医疗问答任务中显著降低幻觉率，提升答案准确性。核心贡献包括：(1)设计无需微调的提示流程，实现LLM与KG的协同推理；(2)开发可解释的思维导图输出，揭示推理路径；(3)提出新的幻觉评估指标。该方法为高风险领域提供了可靠、透明的AI推理方案，验证了显式知识与隐式知识融合的可行性。未来工作将优化KG动态
2026-01-19 14:39:38
700
原创 【2025.8 npj】图检索增强的大型语言模型用于面部表型相关的罕见遗传疾病
这篇论文提出了一种基于知识图谱的检索增强生成（GraphRAG）方法，用于提升大语言模型（LLMs）在面部表型相关罕见遗传病诊断中的表现。研究构建了首个面部表型知识图谱（FPKG），包含6143个节点和19282条边，整合了面部表型、基因、疾病等实体间的关联关系。论文创新性地开发了两种GraphRAG方案：CypherRAG通过生成结构化查询实现精准检索，VectorRAG则结合实体识别和图嵌入技术进行模糊检索。实验表明，相比传统LLMs，GraphRAG方法在诊断准确率（提升11.10%-33.10%）、
2026-01-19 13:45:54
729
原创 【2026】FAISS小白入门到应用，手把手完成本地Windows安装部署及学习
部分内容参考文档：https://blog.csdn.net/sinat_28461591/article/details/147031798。
2026-01-11 12:42:24
1051
原创 [ACL 2025.11]How Reliable is Multilingual LLM-as-a-Judge?
这篇文档核心是研究 “多语言大模型当裁判（Multilingual LLM-as-a-Judge）” 靠谱不靠谱 —— 简单说就是让强大的大语言模型（比如 GPT-4o、Llama 这些）去评判不同语言的 AI 生成结果（比如翻译、问答、摘要），看看它能不能像人类一样，不管面对哪种语言，都给出一致、准确的判断。
2026-01-07 11:04:12
392
原创 【2025.5.7】Large Language Models in Healthcare and Medical Applications: A Review
本文系统深入地探讨了医疗保健领域的大型语言模型（LLM），阐述了其通过先进的自然语言处理能力变革医疗实践的巨大潜力。现有实例表明，LLM 在临床决策支持、医学教育、诊断和患者护理等领域具有广阔的应用前景，同时也指出了隐私、伦理部署和事实准确性方面的关键挑战，这些挑战亟需解决，才能负责任地将其整合到医疗保健系统中。本文全面阐述了医疗保健 LLM 的背景、发展历程和架构基础，以及其多模态能力。
2025-12-31 16:02:21
749
原创 【25.6 】Assessing the Accuracy of Diagnostic Capabilities of Large Language Models
近年来，人工智能应用，尤其是生成式大型语言模型，在医学领域蓬勃发展。本研究对的生成式大型语言模型（LLM）——ChatGPT-4o（OpenAI）、Grok-3（xAI）、Gemini-2.0 Flash（Google）和DeepSeek-V3（DeepSeek）——进行了结构化的比较分析，以评估它们在。方法：我们通过分阶段、逐步增加的复杂度案例来评估模型的医学知识回忆和临床推理能力，并由专家评分员使用分制对模型的回答进行评分。结果：所有模型在，这凸显了情境诊断综合方面仍然存在的局限性。
2025-12-31 15:56:21
615
原创 【2025.3 BMC】 A systematic review of large language model (LLM) evaluations in clinical medicine
背景大型语言模型（LLM）是基于Transformer架构的先进人工智能工具，在临床医学领域展现出巨大的潜力，能够增强决策支持、诊断和医学教育。然而，将其整合到临床工作流程中需要进行严格的评估，以确保其可靠性、安全性和伦理合规性。客观的本系统综述考察了应用于临床医学中的LLM的评估参数和方法，重点介绍了它们的能力、局限性和应用趋势。方法我们对PubMed、Scopus、Web of Science、IEEE Xplore和arXiv数据库中的文献进行了全面检索，涵盖了同行评审论文和预印本研究。
2025-12-31 15:37:37
493
原创 【2025.6 JMIR】Large Language Models in Medical Diagnostics: Scoping Review With Bibliometric Analysis
该论文是 2025 年 6 月发表于《Journal of Medical Internet Research》的系统性综述，结合文献计量分析，首次全面梳理大语言模型（LLMs）在医学诊断领域的研究现状、核心问题与未来方向，为临床应用和学术研究提供关键参考。
2025-12-31 15:26:07
604
原创 【2025.6 Nature】Large language models for disease diagnosis: a scoping review
Scoping Review 是循证研究中的一种文献综述方法，核心目标是，而非像系统综述（Systematic Review）那样聚焦于特定研究问题的 “答案验证”（如某干预措施的有效性）在临床实践中变得越来越有价值。大型语言模型（LLMs）的出现推动了人工智能领域的范式转变，越来越多的证据支持LLMs在诊断任务中的有效性。尽管该领域受到的关注日益增多，但仍缺乏一个全面的视角。许多关键方面尚不明确，例如LLMs已应用于哪些疾病和临床数据、所采用的LLM技术以及使用的评估方法等。
2025-12-31 15:15:21
863
原创 【2025.09】百川 - M2：借助大型验证系统提升医疗能力
医疗AI模型Baichuan-M2在临床动态交互中的突破 摘要：本文介绍了医疗AI模型Baichuan-M2的创新性研发成果。针对当前医疗大模型在标准化考试表现优异但临床实践欠佳的问题，研究团队构建了动态验证系统，包含高保真患者模拟器和多维度临床评分生成器。该系统能模拟真实诊疗场景，从诊断准确性、问诊逻辑、治疗方案及沟通同理心等多维度评估模型表现。通过三阶段训练(基础医疗知识学习、有监督微调、多阶段强化学习)和改进的GRPO算法，Baichuan-M2在320亿参数规模下实现了优异性能：在OpenAI的He
2025-09-16 20:19:00
932
翻译 [2025.1]JAMA最新综述：大语言模型医疗保健应用的测试与评估：一项系统性综述
2022年1月至2024年2月期间在Pubmed发表的医学评估研究综述
2025-07-20 10:43:56
507
翻译 【2025.7.10】对紧急和重症监护环境中的诊断视觉语言模型进行基准测试
本来想看看是不是提出了新的数据集，没想到就是把新的多模态模型在NEJM图像挑战数据上跑了一下。得出了结论。最高也只有40.4%的准确率。后期我的方法也可以在这上面跑，能有很多可以对比的对象
2025-07-20 10:20:41
206
原创 【2025最新】使用neo4j实现GraphRAG所需的向量检索
本文探讨了将知识图谱与向量数据库结合以提升检索效果的方法。针对UMLS知识图谱在Neo4j中字符串匹配检索效果不佳的问题，作者提出使用Qwen嵌入模型将实体和关系向量化，并存储在Neo4j中。通过详细的技术选型分析对比Milvus和Neo4j后，选择Neo4j作为向量数据库解决方案。文章详细记录了实现过程：1）配置Qwen嵌入API；2）批量更新Concept节点的名称和类型向量；3）创建向量索引；4）实现相似节点查询功能。最终验证显示，该系统能有效检索语义相似的概念节点，解决了传统字符串匹配的局限性，为R
2025-07-19 18:06:40
2443
原创 医学 LLM 评估相关论文笔记
OpenAI推出HealthBench医疗评估系统，旨在全面测试大语言模型在医疗场景中的表现。该基准包含5000个模拟真实医疗对话，由262名国际医生设计48562个评估维度，涵盖临床准确性、沟通质量等关键指标。研究发现，2025年模型表现已接近或超越部分医生水平，但在跨地区医疗适配、信息完整性等方面仍有提升空间。HealthBench采用开放式评估方式，更贴近实际医疗互动，为AI医疗应用提供了更真实的测评标准。该系统已通过OpenAI开源平台发布，将推动医疗AI向更安全、实用的方向发展。
2025-07-07 08:33:02
1140
1
原创 【202505】Pre-training Large Memory Language Models with Internal and External Knowledge
摘要： 本文提出了一种新型大内存语言模型(LML)，将知识存储分为内部参数和外部数据库两部分。通过预训练阶段屏蔽外部检索的事实值，模型学会主动查询而非记忆具体知识。实验表明，382M参数的LML在事实准确性上可媲美7B参数的LLaMA2模型，同时具备知识可编辑、可验证的优势。该方法实现了语言模型知识管理方式的根本转变，小模型通过外部知识库即可获得优异的事实性能，为提升模型可解释性和知识更新效率提供了新思路。
2025-07-07 07:42:58
875
原创 【2025 AAAI】LLM-Powered User Simulator for Recommender System用于推荐系统、LLM 驱动的用户模拟器
用户模拟器能够快速生成大量及时的用户行为数据，为基于强化学习的推荐系统提供测试平台，从而加速其迭代与优化。然而，现有的用户模拟器普遍存在显著局限性，包括用户偏好建模的不透明性以及无法评估模拟准确性。在本文中，我们引入了一种由大语言模型驱动的用户模拟器，以一种明确的方式模拟用户对物品的参与度，从而提高基于强化学习的推荐系统训练的效率和效果。具体而言，我们确定了用户偏好的明确逻辑，利用大语言模型分析物品特征并提炼用户情感，并设计了一个逻辑模型来模仿真实的人类参与行为。通过整合统计模型，我们进一步提高了模拟的
2025-06-09 09:25:59
1355
原创 【2025最新】Pycharm里如何运行多个py文件
最近再跑大量的实验，然而每个实验的运行时间都很长，之前为了省事，直接开几个新项目执行就完了，直到实验还剩十几个的时候，意识到这样会浪费很多时间。于是决定彻底从根源上解决问题。3.点击apply 注意你新增加的文件也要配置一下，允许同时运行。2.观察现在运行的python代码，点击允许多个实例。1.在Run标签处点击配置。
2025-05-13 19:41:31
4240
原创 【2025最新】gitee+pycharm完成项目的上传与管理
在项目开发中，误删、误改或项目突然无法运行是常见问题，尤其是当没有及时记录工作流程时，重新开始会感到困难。通过写博客记录和规范工作流程，可以有效避免这些问题，同时巩固知识体系。博客不仅是知识存储的工具，还能帮助梳理思路，促进学习和创造。文章详细介绍了如何使用Git和PyCharm进行版本管理，包括安装配置、基本操作、分支管理、解决冲突和版本恢复等。这些工具和方法的掌握，对于提高开发效率和项目管理的规范性至关重要。
2025-05-09 17:12:54
2258
原创 如何自行部署大模型到云服务器，再通过接口调用
之前的实验基座模型用的是deepseek的接口，这种使用大参数，部署在其它服务器上，用接口调用的模型，在开发上是很简单，只需要改接口，不需要部署模型，节省了很多时间。但是，这次真的是吃了很大的亏，deepseek3.25对v3进行更新以后，我所有的实验全部无法复现，效果和之前的差距也非常大。于是这次痛定思痛，好好面对之前自己因为懒惰埋下的雷：拒绝使用本地部署的模型作为基座模型。在这里重新使用本地模型，并学会通过接口调用，这样就能解决了。
2025-04-28 17:10:22
1084
1
原创 【2025最新】windows本地部署LightRAG，完成neo4j知识图谱保存
之前在服务器部署neo4j失败，无奈只能在本地部署，导致后期所有使用的知识图谱数据都存在本地，这里为了节省时间，先在本地安装LigthRAG完成整个实验流程，后续在学习各种服务器部署和端口调用。从基础和简单的部分先做起来吧。
2025-04-13 21:36:09
7651
4
原创 【2022nature子刊：生物学】用于解释临床蛋白质组学数据的知识图谱
CKG 包括几个独立的功能模块，用于 （1） 格式化和分析蛋白质组学数据 （analytics_core;（2） 构建一个图数据库通过整合来自一系列可公开访问的数据库、用户进行的实验、现有本体和科学出版物的可用数据 （graphdb_builder）;（3） 连接并查询此图数据库 （graphdb_connector）;（4） 通过在线报告 （report_manager） 和 Jupyter 笔记本促进数据可视化、存储库和分析（图 1a、b）。此架构可无缝协调和集成数据以及用户提供的分析。
2025-04-02 16:00:03
1357
原创 【Nature正刊2023】使用大型语言模型进行自主化学研究
在这项工作中，我们提出了一个基于多 LLM 的智能代理（以下简称 Coscientist），能够自主设计、规划和执行复杂的科学实验。合作科学家可以使用工具浏览 Internet 和相关文档，使用机器人实验应用程序编程接口 （API） 并利用其他 LLM 执行各种任务。这项工作是独立完成的，并且与自主代理的其他工作并行进行 23-25，ChemCrow26 是化学领域的另一个例子。在本文中，我们展示了 Coscientist 在六项任务中的多功能性和性能：（1） 使用公开可用的数据规划已知化合物的化学合成。
2025-04-02 11:41:38
1345
原创 大语言模型在患者交互任务中的临床使用评估框架
An evaluation framework for clinical use of large language models in patient interaction tasksAn evaluation framework for clinical use of large language models in patient interaction tasks | Nature Medicine2025.1收到时间：2023 年 8 月 8 日Shreya Johri 1,10，Jaehwan
2025-03-09 21:38:22
1437
原创 2025.2.9 每日学习记录1：微调与技术报告书写
1.完成微调的技术实践，技术学习1 微调系列01-一文吃透！大模型里的微调技术到底是什么？-CSDN博客 2.为了研究技术报告怎么写，阅读了deepseek R1的技术报告原文DeepSeek-R1系列01——技术报告解读：DeepSeek-R1：通过强化学习激励 LLM 中的推理能力-CSDN博客 3.完成技术报告的文字叙述版，确定了摘要和目录 4.完成每日学习记录
2025-02-09 23:08:46
569
原创 DeepSeek-R1系列01——技术报告解读：DeepSeek-R1：通过强化学习激励 LLM 中的推理能力
本文深入解读 DeepSeek - R1 通过强化学习激励大语言模型（LLM）推理能力的技术报告。开篇介绍 DeepSeek - R1 系列在人工智能领域的重要地位，引出对其利用强化学习提升 LLM 推理能力这一核心技术的探讨。详细阐述强化学习在该模型中的应用机制，包括如何设计奖励函数来引导模型在复杂推理任务中找到更优解，以及如何通过与环境交互不断优化推理策略 。分析这一技术相较于传统提升 LLM 推理能力方法的优势，如在面对复杂逻辑问题时能更高效地给出准确答案，大幅提升模型的实用性和智能水平。同时，结合具
2025-02-09 21:41:57
3353
原创 微调系列01-一文吃透！大模型里的微调技术到底是什么？
在深度学习和机器学习领域，“微调” 是一个频繁出现却又让不少人一知半解的概念。本文将深入浅出地为你剖析什么是微调。首先，介绍微调的基本定义，它是在预训练模型基础上进行的进一步训练，利用少量特定任务数据对模型参数进行针对性调整 。接着，详细阐述微调的流程，从选择合适的预训练模型，到准备适配的数据集，再到确定微调的超参数，每个步骤都关乎微调的效果。然后，探索展示微调如何让模型在特定任务中表现大幅提升。
2025-02-09 15:26:53
936
原创 AutoDL微调打怪升级
回到lamafactory的界面，，方法同上述部署模型方法一致，把加载模型路径改为微调模型的输出路径就行了（就是上图的路径）/root/autodl-tmp/myModel，模型名字没变，因为它就是Qwen-7B-Chat的升级版，底层架构啥的都一样。选择模型名称Qwen-7B-Chat，输入地址（之前下载的地方）/root/autodl-tmp/qwen/Qwen-7B-Chat，地址从MobaXterm复制，复制了记得删最后的/gpu是负责运算的，显存是你计算的内存大小，都还够着呢，别担心。
2025-02-09 12:17:33
1352
原创 2024.9 用于疾病诊断的大型语言模型：范围综述
Large Language Models for Disease Diagnosis: A Scoping Reviewhttps://arxiv.org/abs/2409.00097原文抽象。自动疾病诊断在临床实践中变得越来越有价值。大型语言模型 （LLM） 的出现催化了人工智能的范式转变，越来越多的证据支持 LLM 在诊断任务中的有效性。尽管该领域受到越来越多的关注，但仍然缺乏整体观点。许多关键方面仍不清楚，例如应用 LLM 的疾病和临床数据、采用的 LLM 技术以及使用的评估方法。在本文中，我们对基
2024-12-21 22:06:46
1194
原创 2024.8 设计可解释的 ML 系统以增强对医疗保健的信任：对提出的负责任的临床医生-AI 协作框架的系统评价
https://www.sciencedirect.com/science/article/pii/S1566253524001908?via%3Dihub论文的详细信息如下：问题：哪些医疗应用使用了解释性人工智能工具？ 医疗应用中的可解释性当前采用了哪些方法？ 如何为特定终端用户实施和评估强大的可解释人工智能？ 在医疗领域使用可解释人工智能的潜在未来趋势和关键挑战是什么？挑战：人工智能算法复杂，难以提供易于理解的决策解释，导致终端用户不信任，尤其是在医疗保健领域。 深度学习模型如
2024-12-21 17:32:46
2166
原创 2024.12 迈向可解释和可解释的多模态大型语言模型：一项综合调查
人工智能 （AI） 的快速发展彻底改变了许多领域，大型语言模型 （LLM） 和计算机视觉 （CV） 系统分别推动了自然语言理解和视觉处理的进步。这些技术的融合催化了多模态 AI 的兴起，实现了更丰富的跨模态理解，涵盖文本、视觉、音频和视频模态。尤其是。
2024-12-21 16:26:53
2362
原创 2024.7 XAI 遇见 LLM：可解释 AI 与大型语言模型之间关系的调查
在这项调查中，我们解决了大型语言模型 （LLM） 研究中的主要挑战，重点。
2024-12-21 14:46:00
1561
原创 2024.2 ACM Explainability for Large Language Models: A Survey
用于评估解释合理性的数据集：通常包含带有人类注释理由的文本数据，这些数据在语法、语义、知识、推理和计算等维度上满足一定标准，如句子中包含需要解释的部分（如掩码）和对应的人类注释理由，用于衡量解释模型生成的解释与人类理解的匹配程度。用于训练和评估模型的数据集传统微调范式：如 GLUE 基准中的 SST - 2、MNLI、QQP 等数据集，用于在特定下游任务上对模型进行微调训练和性能评估，这些数据集包含有标签的数据，涵盖了不同类型的自然语言处理任务，如情感分析、自然语言推理等。提示范式。
2024-12-20 20:07:42
1184
原创 2024.4 评估大语言模型在医疗行业应用的综合调查
自 2017 年 Transform 架构启动以来，GPT 和 BERT 等大型语言模型（LLM）已经发生了重大发展，以其在语言理解和生成方面的先进能力影响着各个行业。这些模型已经显示出改变医疗领域的潜力，突出了专业评估框架的必要性，以确保其有效和合乎道德的部署。这项全面的调查描绘了 LLM 在医疗保健领域的广泛应用和必要评估，强调了经验验证的迫切需要，以充分利用其在增强医疗保健结果方面的能力。我们的调查旨在对 LLM 在临床环境、医学文本数据处理、研究、教育和公共卫生意识方面的应用进行深入分析。
2024-12-19 21:26:37
2495
原创 2024.2 BioLORD-2023: semantic textual representations fusing large language models
在 STS（Pearson 相关性）、BCR（Spearman 相关性）和 NEL（Top1 准确度）方面的性能特征。评估的模型如下：BioSyn（2020 年最先进的模型）、SapBERT（2021 年最先进的模型）、BioLORD-2022（我们的基线模型）和 BioLORD-2023（我们的新模型）。在 STS（皮尔逊相关性）、BCR（斯皮尔曼相关性）、NEL（Top1 准确度）和多语言 NEL（Top1 准确度）方面的性能特征。学概念的准确表示和文本的相似性判断。多语言环境下的泛化能力不足。
2024-12-08 23:13:24
976
Benchmarking Foundation Models with Language-Model-as-an-Examine
2024-09-11
A New Semantic Similarity Scheme for more Accurate
2024-09-04
疯狂踩坑的《动手学深度学习pytorch》windows10的环境，miniconda+GPU+Jupter
2023-08-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人