文 | 王强宇 在医疗 AI 领域，通用大语言模型虽凭借海量互联网数据训练具备广泛知识覆盖面，但在需高度专业判 断的临床场景中表现欠佳。当医生询问疾病鉴别诊断时，通用模型可能给出不准确甚至错误建议，这在 严肃的医疗决策中不可接受。 大家都知道监督微调（SFT）技术是解决上述难题性价比较比较高的方案之一，但SFT也需要具体一定 的条件：如高质的数据集，同时由于医疗数据的特殊性和复杂性，模型调优的过程可能非常耗时且难以 预测。同时SFT是一个迭代优化的过程，需要不断地对模型进行训练、评测和优化。 豆蔻妇科大模型的模型调优经历了两个关键优化阶段： 以下是豆蔻妇科大模型从第一个版本的准确率77.1%，通过进一步的SFT后，准确率达到90.2%我们团队 的一些方法和心得，供大家参考，欢迎留言讨论。 一、训练数据集的科学筛选（数据集构建与质量控制） 在对优质训练数据集的筛选过程中，我们实施了三个关键步骤： 第一是系统化数据清理，通过建立严格的质量控制标准，重点关注推理与结果的一致性检查，筛选出 answer与ground truth不一致的样本，特别是那些思考过程和输出结果不一致的情况，这类数据被视为低 质量数据。同时进 ...

作者 | 褚杏娟 近日，钉钉企业专属 AI 平台上成功训练出了首个高准确度、高实用性的专业领域大模型——由壹生 检康 (杭州) 生命科技有限公司研发的"豆蔻妇科大模型"，其在专业测试中准确率达 90.2%。 钉钉方面表示，妇科大模型的落地，意味着钉钉生态已经从 SaaS 生态、服务商生态、咨询生态、 交付生态，拓展到 AI 创业者。 与专业医生诊断吻合度达 90.2% 当前，各行各业都在努力将大模型与自身业务场景深度融合，打造行业或专业大模型，实现运营管理 的降本增效。 壹生检康是一家深耕女性精准检测及健康服务的生命科技公司，创业团队大多来自知名互联网企业、 妇产科医疗机构、生物医药公司。基于技术趋势和行业判断，王强宇团队认为，通过训练妇科专业大 模型打造 AI 医生，将有效缓解专业妇科医生、医疗服务不足的难题，对医美机构和女性用户都会带 来巨大的行业和社会价值。 专业性强的"妇科 AI 医生"并不是采用通用大模型就能简单训练出来。启动豆蔻妇科大模型研发以 来，壹生检康团队以开源大模型为基础，通过行业数据训练，第一个版本将模型诊断准确率做到 77.1% 左右。"77.1% 的准确率虽达到行业基础标准，但对于直 ...

通用大模型就像医学院培养的医学生，通过医学书籍、期刊和病例库的"预训练"，掌握了解剖学、病理 学、医学伦理、流行病学、公共卫生学等医学基础学科，开始掌握了如内、外、妇科等疾病的基础诊疗 规范，具备广泛的医学认知能力，但缺乏临床实战经验。 真正要成为一个专家，还需要经过长年累月，多达上万例门诊、手术等临床实践经验，还包含一直有经 验更丰富的医生不断地进行纠正，还有做科研项目、不断地学习最深指南和研究发表论文，最终形成如 在普通妇科、妇科内分泌、妇科肿瘤、生殖医学等细分领域有着专家级诊疗能力的主任医生。 壹生检康是一家专注于女性精准健康检测的科技生命公司，已在女性健康领域深耕3年多，积累了丰富 的行业经验和庞大用户群体。然而，随着业务的发展，公司也面临着如何更好地服务用户的难题，我们 也尝试用通用大模型来解决问题，但事实发现，通用大模型确实会存在很多"幻觉"，回答的问题看着挺 专业，但还是会有很多不够准确的地方，很多特定的场景甚至无法控制通用大模型的自由发挥。 开源DeepSeek的出现为行业和个人用户带来了对大模型概念更深层次的理解，随着更多"Aha- moment"的复现，更为垂直大模型低成本的技术实现提供了 ...