全球首个中医药多模态大语言模型

摘要中医药拥有千余年历史在全球医疗体系中占据重要地位。但中医药强调整体推理、隐性逻辑与多模态诊断线索大语言模型在该领域的应用仍面临挑战。现有中医药领域大语言模型在文本理解上取得进展但缺乏多模态融合、可解释性与临床适用性。为解决这些局限本研究研发基于ChatGPT的中医药多模态助手BenCao整合结构化知识库、诊断数据与专家反馈优化。BenCao通过自然语言指令微调而非参数重训练完成训练使其align中医药专属的专家级推理逻辑与伦理规范。该系统集成涵盖1,000余部古典与现代文献的完备知识库、面向多元交互的场景化指令框架、用于可解释推理的思维链模拟机制以及包含持证中医师参与的反馈优化流程。BenCao对接外部API以实现舌象分类与多模态数据库检索可动态调用诊断资源。在单选题基准测试与多模态分类任务中BenCao的准确率优于通用模型与中医药领域模型尤其在诊断、草药识别与体质分类任务中表现突出。该模型以交互式应用形式部署于OpenAI GPTs商店截至2025年10月全球对话量近1,000次。本研究验证了通过自然语言指令微调与多模态融合研发中医药领域大语言模型的可行性为生成式AI适配传统医学推理提供实用框架也为实际部署提供可扩展路径。#大语言模型 #中医药 #指令微调 #ChatGPT方法场景化指令设计表1 BenCao场景化指令设计结果中医药各学科单选题任务性能图1 各模型在中医药单选题分类任务中的性能各模型在诊断学、生药学、外科学、方剂学、内科学等7大类中医药单选题上的准确率横轴为题目分类纵轴为对应模型准确率。草药识别与中医药体质分类任务性能图2 草药识别与中医药体质分类任务的跨任务性能每个点代表单个大语言模型在2项中医药任务上的准确率——横轴为草药识别准确率纵轴为体质分类准确率虚线对角线代表2项任务性能持平右上区域代表跨任务性能更优。详细总结思维导图场景化指令设计参考BenCao: An Instruction-Tuned Large Language Model for Traditional Chinese Medicinehttps://doi.org/10.48550/arXiv.2510.17415251020BenCao.pdf注AI辅助创作如有错误欢迎指出。内容仅供参考不构成任何建议。