#医学

Scientific-LLM-Survey项目系统梳理生物化学领域科学大语言模型研究进展。涵盖文本、分子、蛋白质和基因组语言模型,以及多模态模型的最新发展。项目收录关键论文,提供数据集和基准测试资源,为该领域研究提供全面参考。

Meditron-7B是开源的医学大型语言模型，通过持久的预训练，结合选定的PubMed文献和国际医学指南数据，提高了医疗推理任务的能力。该模型在文本生成和医疗问答方面显示了潜力，但实际使用需经过更多测试和适应调整。

此模型基于SciBERT进行微调，专门用于识别药物名称和其不良反应，能够有效分类输入文本中的药物和不良反应实体，提升医学文本的信息提取效率。通过简单设置NER流水线，该模型可快速部署并用于自动化识别，主要应用于处理与药物和不良反应相关的自然语言处理任务，是处理ade_corpus_v2数据集的有效工具。

Bio-Medical-Llama-3-8B模型在定制的BioMedData数据集上进行微调，特别适用于生物医学应用。通过超过500,000条多样化的样本，这一模型在生物医学领域展现高质量的知识覆盖。它能够生成与生物医学相关的文本，为研究人员和临床医生提供有价值的支持，但在高风险场景中使用时需确保信息准确性并负责任地应用。

项目提供多个适用于JSL-MedLlama-3-8B模型的量化方案，涵盖不同计算性能和存储需求。采用llama.cpp进行的量化涵盖从高到低的质量选项，满足不同设备资源条件。推荐使用Q5_K_M或Q4_K_M量化版本，以实现质量与性能的平衡，确保硬件资源的最佳利用和精准的医疗文本生成。

BioMistral是专为生物医学设计的开源大型语言模型，基于Mistral，经PubMed Central数据进一步训练，表现出色于多语言医学问答评估。其轻量化模型可通过量化和模型合并提升竞争力，为医学领域首次进行跨语言大规模评估。所有模型、评估基准和脚本免费开放供研究使用，建议避免在临床或专业医疗环境中应用，因存在潜在风险和偏见。