- 综合排序
- 最热优先
- 最新优先
腾讯医学大模型产品能力与产业应用深度解析
一、 产品定位与核心亮点 腾讯医学大模型是基于“腾讯混元”通用大模型底座，深度融合医学行业知识图谱与海量医疗数据，专为医疗行业打造的企业级垂直大模型矩阵。 功能框架 产品采用“底座-中枢-应用”的三层架构： 模型层：基于腾讯通用大模型“腾讯混元”。 平台与中枢层： TI 平台：集成了TI-DataTruth（数据标注）、TI-ONE（训练平台）、TI-Matrix（应用平台），提供大模型开发应用一体化服务。 解决方案：利用腾讯医学大模型，自动读取医患自然问诊对话历史（包含症状、用药建议等），直接提取信息生成诊疗报告。 案例 5：患者个性化查询 背景：面对单个病人长达几万到十几万字的住院数据，直接超长输入会导致大模型性能下降、推理速度极慢、用户体验差。
23510编辑于 2026-05-31- 来自专栏开源服务指南
大语言模型的垂直应用：学术优化、房间设计、短视频创作、医学交流
本文介绍了几款开源项目，包括学术优化、房间设计、短视频创作和医学交流等领域。这些项目通过图形交互界面、AI技术和大型语言模型等特点，为用户提供了便捷、创新的解决方案。 无论是提升学术写作质量，重新设计房间，还是实现自动化的短视频创作，甚至获取个人私人医学建议，这些开源项目都能帮助用户提高效率、获得更好的体验和创意。 llSourcell/DoctorGPT[5] Stars: 2.0k License: NOASSERTION DoctorGPT 是一个大型语言模型，可以通过美国医疗执业考试。 DoctorGPT 是 Meta's Llama2 70 亿参数大型语言模型的版本，在医学对话数据集上进行了微调，并使用强化学习和宪法 AI 进一步改进。 [3] RoomGPT.io: http://roomgpt.io/ [4] RayVentura/ShortGPT: https://github.com/RayVentura/ShortGPT [5]
55820编辑于 2023-09-02 - 来自专栏AiCharm
医学多模态大模型LLaVA-Med | 基于LLaVA的医学指令微调
因此，尽管生成式对话AI已经展示了在生物医学应用方面的巨大潜力，但当前的研究通常仅限于单模态文本。 已经证明，针对生物医学自然语言处理（NLP）应用和生物医学视觉-语言（VL）任务进行领域特定的预训练是有效的。 该数据集比下一个最大的公共数据集MIMIC-CXR大两个数量级，并且涵盖了多种类型的图像。 我们的实证研究验证了领域特定指令调整的有效性，并揭示了将多模态对话助手应用于高价值垂直领域的最佳实践和有趣的发现。 为了训练模型以跟随各种指令并以对话方式完成任务，我们在收集的生物医学语言-图像指令跟随数据上对模型进行微调，开发了一个生物医学聊天机器人。
3.6K20编辑于 2023-07-26 - 来自专栏实验盒
NBT｜BioChatter：为生物医学量身定制的开源大语言模型应用平台
引言 近年来，生成式人工智能尤其是大语言模型（LLM）取得了显著进展，但在生物医学研究中的应用仍处于起步阶段。 因此，LLM在生物医学的应用仍停留在零散案例，远落后于医学影像领域成熟的AI框架。 BioChatter的模块化架构使其能够广泛应用于各种生物医学研究场景，其灵活的组合方式支持从快速原型设计到完全封装部署的广泛应用。 生物医学研究中的应用 基准测试与持续监测 为解决LLM工作流程中的可重复性挑战，BioChatter开发了一个持续基准测试系统，允许社区监控所有包含模型在特定任务上的性能。 结语 BioChatter为生物医学研究提供了一个灵活、模块化的平台，旨在减轻开发和维护负担，同时增强应用的稳健性。它不仅关注技术的前沿发展，更强调社区的参与和合作，以推动生物医学研究的进步。
58610编辑于 2025-02-05 - 来自专栏DrugOne
. | 大语言模型在医学领域的革命性应用
尽管越来越多研究探索其在临床诊断辅助、医学教育等任务中的应用，但关于其发展、实际应用与成效的系统评估仍然缺失。 近年来，通用大语言模型（LLMs）如 PaLM、LLaMA、GPT 系列与 ChatGLM，在文本生成、摘要、问答等自然语言处理任务中取得了显著进展，并逐步拓展至医学领域。 医学大语言模型的构建原理 医学LLMs主要通过三种方式构建：从头预训练、基于通用模型微调，以及使用提示对齐通用模型。 展望 尽管大语言模型（LLMs）已通过聊天机器人与搜索引擎影响了大众生活，但其在医疗实践中的应用仍处于初级阶段。当前评估基准多集中于医学问答任务，难以覆盖真实临床场景所需的多种能力。 https://doi.org/10.1038/s44222-025-00279-5
1.2K10编辑于 2025-04-11 - 来自专栏大模型应用
大模型应用：文本转语音实践：Tacotron2预训练模型和SpeechT5模型应用.19
一、前言 前期我们了解了TTS的基础应用，今天我们继续探索两个强大的TTS模型：Tacotron2和SpeechT5。 模型的判断指标不管是简单的工具还是复杂的大模型，我们都能通过这三个问题快速判断它的水平，这也是后续理解技术的关键：表述的清晰度：能不能读对，清晰度是最基础的要求：比如“银行（háng）”不能读成“银行（ 应用实例import torchimport torchaudioimport soundfile as sfdef simple_tts_demo(): print("第一步：检查TTS大模型的可行性 与传统的单一功能语音模型不同，SpeechT5 采用了"一套架构，多种应用"的设计哲学，将不同类型的语音和文本数据都映射到同一表示空间进行处理。 是非常适合初学者接触入门 TTS 开发和轻量化 TTS 应用落地的首选模型之一。2.
49632编辑于 2026-02-16 - 来自专栏大模型应用
大模型应用：概率驱动：大模型文字预测的核心机制与理论基础.5
大模型文字预测1. 基本原理 文字预测，就是让模型根据已经出现的文字，预测下一个最可能出现的字（或词）。比如，输入“今天天气很”，模型可能预测出“好”、“热”、“冷”等。2. 大模型的做法：它的大脑里有一个“概率字典”。 大模型不是一个真正的大脑，而是一个极其复杂的数学网络。我们可以把它想象成一个巨大的、经过特殊训练的自动补全机器。模型的输入：你给它的所有文字（我们称之为 “上下文” 或 “提示”）。 微调：在预训练的基础上，用特定领域的数据（如医学、法律）或针对特定任务（如问答、对话）对模型进行进一步训练，使其更擅长特定任务。 三、文字预测的应用 如果大模型只是一个词一个词地预测，能有什么大用处，事实上，这正是所有强大AI应用的基础，应用的范围涵盖广泛，以智能对话、内容创作以及信息检索总结等这些和我们息息相关的业务领域为起点正蓬勃发展
45832编辑于 2026-02-02 . | 大语言模型辅助的临床医学领域大语言模型系统综述
图3: 各研究中使用的数据集类型、医学专科以及大语言模型的总体概览。 大语言模型与人类专家的比较 在部分研究中，大语言模型的表现被直接与人类专家进行比较。 图5: 按证据等级分层的研究样本量累积分布比例。 讨论 本研究表明，自2022年以来，大语言模型在临床医学领域的研究数量呈爆发式增长。 此外，目前研究高度集中于少数医学专科，而许多其他临床领域仍缺乏系统研究。研究人员认为，这种不均衡的研究格局可能限制了大语言模型在医学中的全面应用。 为了推动临床应用，研究人员提出了一条逐步推进的研究路径。 https://doi.org/10.1038/s41591-026-04229-5 内容为【DrugOne】公众号原创｜转载请注明来源
26810编辑于 2026-03-30- 来自专栏大模型应用
医学大模型应用实践：基于SKILL架构构建糖尿病高血压智能咨询助手.137
一、系统概述 本系统是一套基于SKILL技能架构、聚焦糖尿病 + 高血压双慢病管理的全栈智能体，整合了专业医学大模型（AntAngelMed）、前后端实时交互、模块化技能体系，专为慢病患者 早前我们通过普通调用的方式也实现慢病管理的基础智能体，可以结合对比看看基于SKILL做了哪些特性应用变更： 大模型应用：基于安诊儿AntAngelMed模型+FastAPI构建慢病管理AI助手.86二、 调用AntAngelMed医学模型，传入格式化后的查询，获取专业医学建议；4. 对模型返回的建议进行简单优化（简化专业术语，确保普通用户可理解）；5. 解析用户核心需求，格式化prompt，确保模型返回精准建议；3. 调用AntAngelMed医学模型，获取专业医学建议；4. 优化建议表述，简化专业术语，确保普通用户可理解；5. 格式化prompt，明确要求模型结合双慢病特点，提供具体可执行的建议；4. 调用AntAngelMed医学模型，获取专业饮食建议；5.
21210编辑于 2026-06-14 - 来自专栏xiaosen
LangChain大模型应用开发
LangChain作为一个新兴的框架，旨在简化大模型应用的开发过程。它提供了一套工具和接口，帮助开发者将大模型无缝集成到各种应用场景中。 prompt) print(response.content) 这时我们的langSmith后台： 构建语义搜索引擎 我们使用LangChain的文档加载器、嵌入、向量库来从其他来源检索数据，与大模型工作集成 ，这对于获取数据作为模型推理的一部分进行推理的应用程序非常重要，例如检索增强生成或RAG。 1️⃣根据与字符串查询的相似性返回文档： # 接受一个文本字符串作为输入，并返回与该文本最相似的向量 results = vector_store.similarity_search( "大模型的发展和繁荣既是当前 ("大模型的发展是顶峰") # 接受一个嵌入向量作为输入，并返回与该向量最相似的向量 results = vector_store.similarity_search_by_vector(embedding
67921编辑于 2024-12-04 大模型应用开发实战
视频我剪辑过，在我的电脑上，实际运行时间5分钟左右。至此最简单的模型应用开发完毕。 提供API支持 上面最简单的Hello world写完了，接下来就要为各种客户端提供接口服务了。. Net有WebAPI + IIS，java有spring boot+tomcat，大模型有FastAPI+Uvicorn：FastAPI 用于构建应用的业务逻辑，Uvicorn 是运行这些应用的服务器。 （图5） 我们用postman等客户端工具测试一下： （图6） 编写客户端 服务端有了，当然要做个漂亮的客户端，总不能一直用postman。不得不吐槽下，大模型也搞前后端分离这套！. 怎么着也得个应用程序APP之类，再不济也得有个Web吧！好吧，安排！为了搞大模型的人能安心研究模型，不用花精力在界面上。 最后 经过无数的蹂躏，我开发了个小应用【i歌词】，无任何条件免费提供全部源码。它基于chatglm4-9b大模型，从部署到训练，通用对话功能，核心根据歌名查歌词并创作歌词！
1.4K36编辑于 2026-05-08- 来自专栏xiaosen
大模型应用框架-LangChain
LangChain自身并不开发LLMs，它的核心理念是为各种LLMs实现通用的接口，把LLMs相关的组件“链接”在一起，简化LLMs应用的开发难度，方便开发者快速地开发复杂的LLMs应用。 LLMs: 大语言模型接收文本字符作为输入，返回的也是文本字符. 聊天模型: 基于LLMs, 不同的是它接收聊天消(一种特定格式的数据)作为输入，返回的也是聊天消息. 2.1.1 LLMs (大语言模型) LLMs使用场景最多，常用大模型的下载库：https://huggingface.co/models： 接下来我们以「文心一言」模型为例, 使用该类模型的组件： 第一步 5. 浩宇小星：对应“王浩宇”这个名字，可以叫他“小星”，显得充满活力和希望。 因为大模型虽然非常强大，但是也具备一定的局限性，比如不能回答实时信息、处理数学逻辑问题仍然非常的初级等等。因此，可以借助第三方工具来辅助大模型的应用。
1.4K10编辑于 2024-06-04 - 来自专栏深度学习与python
LangChain：简化大模型应用
作者 | Guy Nesher 译者 | 平川 策划 | Tina LangChain 框架提供了常见用例的抽象，简化了大型语言模型（LLM）（如 OpenAI GPT4 或 Google PaLM）的应用。 通常，比较复杂的应用程序会使用多个组件来生成所需的结果。 我们将用 SimpleSequentialChain 做个演示，它会按顺序运行多个提示。 今日好文推荐 爱奇艺VR公司业务停滞，员工或被欠薪；阿里云开源通义千问 70 亿参数模型，免费可商用；华为正式发布鸿蒙 4，接入大模型｜Q资讯 年薪超 600 万，比技术总监还高：电影行业 AI 产品经理的崛起 大模型竞争突然升级！亚马逊 CEO 亲自监督、组建新的核心技术团队，集中优势资源打造“最具野心”的大语言模型
47730编辑于 2023-09-08 - 来自专栏大模型应用
大模型应用：大模型时代的XGBoost：传统梯度提升树与大模型的协同应用.103
一、前言 在人工智能技术体系中，XGBoost作为经典的梯度提升树模型，凭借高效的特征学习能力和优秀的结构化数据处理性能，长期占据机器学习应用的核心地位；而大模型则以其强大的语义理解、上下文建模和通用推理能力 XGBoost 与大模型融合的全链路知识，深度了解其核心原理和应用实践。 XGBoost 与大模型结合2.1 大模型的核心痛点尽管大模型能力强大，但在实际应用中存在明显短板：1. 过拟合特定模式：在小样本、强规律的结构化数据任务中，大模型的泛化能力不如XGBoost；5. 数值计算精度低：大模型对数值的精准计算能力弱，无法替代传统模型完成高精度的回归、分类任务。 传统模型和大模型不是替代关系，而是协同关系。以前总觉得大模型很高大上，传统模型过时了，现在才明白，能落地、能解决实际问题的组合才是最好的。
33632编辑于 2026-05-11 - 来自专栏大模型应用
大模型应用：隐私优先的大模型应用：同态加密与大模型结合的完整实践.101
今天我们就由浅入深拆解“同态加密 + 大模型”的完整体系，覆盖核心概念、基础原理、执行流程和实际落地，整体还是比较复杂和麻烦的，我们借此多了解一些核心概念和基础，在需要的时候再深入研究加以应用，尽量通俗的梳理 同态加密+大模型的价值 在传统的大模型推理流程中，用户需要将明文数据（如隐私问答、敏感文档）传输给大模型服务商，服务商在明文数据上完成推理后返回结果。 同态加密 + 大模型的核心价值：在保护数据隐私的前提下，无损利用大模型的智能能力。2. 5. 应用场景分析5.1 隐私数据问答场景：银行利用大模型分析用户的加密交易数据，回答“该用户是否符合贷款条件”。 将密文输入到适配后的大模型：加密后的密文被输入到经过特殊适配的大模型中，模型能够直接处理密文数据5.
36131编辑于 2026-05-09 - 来自专栏大模型应用
大模型应用：大模型业务落地规避低效陷阱：直击5大高频误区深度拆解与整改指南.134
大模型应用容错体系大模型在对话交互、意图识别、智能问答、行业 Agent 部署场景中，容错能力指系统对异常输入、模糊语义、违规内容、口语化表达、方言变体、残缺语句的识别、修正、兜底应答能力，是保障业务稳定性的核心底座 、5大实践误区1. 问题闭环修复：漏洞统一迭代优化后，再全量正式上线4.5 对大模型应用的核心价值提前拦截底层语义识别缺陷，规避线上批量事故；优化大模型在非标口语场景的基础适配能力，降低运维应急处置压力。5. 极简版本稳定后 → 按需迭代架构、升级重型规则、优化大模型微调策略五、应用实践 以下实践内容围绕心理陪伴 AI 对话校验场景，集中演示大模型落地五大典型误区的错误与正确写法对照。 从底层技术逻辑来看，“轻量规则前置过滤 + 大模型柔性语义交互 + 周期数据迭代优化”是搭建稳定大模型应用的最优路径。
22332编辑于 2026-06-11 5种大模型Agent模式
大模型中的5种AI Agent模式在大模型中，AI Agent（人工智能代理）模式是一种重要的应用方式，可以从以下几个方面来理解：1. 在大模型的背景下，AI Agent 是基于大规模预训练模型（如 GPT 等）构建的智能代理，能够利用模型的语言理解和生成能力来完成复杂的任务。 智能性：它基于大模型的强大语言理解能力，能够理解自然语言指令，并生成自然语言响应。这种智能性使其能够处理复杂的语言任务，如对话、写作、翻译等。 例如，它可以调用搜索引擎获取信息，或者调用日历应用来安排日程。3. 工作原理感知与理解：AI Agent 首先通过输入（如用户指令、环境数据等）感知外部信息，然后利用大模型的语言理解能力解析这些信息，确定任务目标。
5K10编辑于 2025-05-071大模型应用开发基础
1、大模型应用开发基础 AGI（Artificial General Intelligence）中文译为「通用人工智能」。是具备超越人类智能的 AI。 大模型 AI 能干什么？ 大模型，全称「大语言模型」，英文「Large Language Model」，缩写「LLM」。 本课第一个专业向要求：分清对话产品和大模型。 AI 技术正逐步应用于艺术创作。 「AI」之后出现「技」的概率大于其它字。这些字之间的概率关系，就是大模型训练时学到的。 划重点：使用大模型，首先要建立对象感。你是什么角色？Ta 是什么角色？ 大模型应用产品架构 Agent 模式还太超前，Copilot 是当前主流。 实现 Copilot 的主流架构是多 Agent 工作流 模仿人做事，将业务拆成工作流（workflow、SOP、pipeline） 每个 Agent 负责一个工作流节点 大模型应用技术架构 大模型应用技术特点
9710编辑于 2026-06-16- 来自专栏喔家ArchiSelf
大模型应用的能力分级
对大模型应用的能力分级就像给学生打分一样，能让我们更清楚它的本事有多大。能力分级能帮我们设定目标，知道AI现在能干什么，未来还要学什么。 大模型的应用主要有两种常见模式：RAG 和 Agent。选哪种 RAG 架构，得看具体要解决什么问题，确保它适合任务需求。 关于RAG 的更多资料，可以参考《大模型系列——解读RAG》、《RAG的10篇论文-2024Q1》、《Chunking：基于大模型RAG系统中的文档分块》、《解读GraphRAG》和《在大模型RAG系统中应用知识图谱 》、《基于大模型（LLM）的Agent 应用开发》和《当你问代理机制的时候？ 5. 小结 将大模型应用的能力进行分级，不仅有助于推动技术发展，还能更好地匹配实际应用场景，同时也让公众更容易理解其价值。
2K20编辑于 2025-03-31 - 来自专栏AI技术应用
AI教育大模型及其应用
人工智能在教育领域的应用日益深入，涌现出许多AI教育大模型，它们致力于提升教学效率、优化学习体验、推动教育公平。 以下是一些国内外知名的AI教育大模型及其应用：国内AI教育大模型：科大讯飞星火语伴： 基于科大讯飞星火认知大模型，主要应用于语言学习领域。 好未来MathGPT： 好未来（学而思）自研的数学学习大模型，专注于数学学科的学习。网易有道子曰教育大模型： 国内首个教育大模型，已率先推出六大应用，并在词典笔等学习硬件上实现全科辅导。 天工大模型（昆仑万维）： 国内首个对标ChatGPT的双千亿级大语言模型，也是AI搜索引擎和对话式AI助手。EmoGPT（华东师范大学）： 自研大模型，主要应用于心理疏导。 国外AI教育大模型：Khanmigo（可汗学院）： 基于ChatGPT-4，应用于多学科学习，为学生提供个性化问答和深度思考支持。
1.3K10编辑于 2025-06-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号