- 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。 医学研究与政策追踪：解决科研人员与管理者在海量医疗政策文件、医学文献中比对细微修订标准、提取关键指标效率低下的问题。 三、 应用框架和功能介绍 1. 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。
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。 可以上传任何房间照片并生成变体 使用名为 ControlNet 的 ML 模型进行图像处理 ML 模型托管在 Replicate 上，图片存储使用 Upload 该项目提供了本地运行和一键部署两种方式。 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。
55820编辑于 2023-09-02 - 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NLP/KG
大模型应用：大模型AI Agent在企业应用中的6种基础类型，企业智慧升级必备
大模型应用：大模型AI Agent在企业应用中的6种基础类型，企业智慧升级必备 AI Agent 智能体在企业应用中落地的价值、场景、成熟度做了分析，并且探讨了未来企业 IT 基础设施与架构如何为未来 简单地将大模型的生成能力通过 API 集成到其他应用与业务流程中，替代或简化原来由人工完成的部分工作。 通俗地说，就是在企业应用中，通过 “外挂” 私有知识库来扩充大模型的知识储备，以提供基于自然语言的、对话式的企业私有知识访问（对应到 AI Agent 的基本能力之一：持久化记忆），以解决通用大模型在面向企业应用时领域知识不足导致的幻觉问题 6.自定义流程助手 最后一种 AI Agent 严格来说是上面的几种基础 Agent 能力的组合。 但是在企业应用中，由于企业知识、应用、业务需求的千差万别，以及大模型自身的不确定性，如果这么做，那么结果很可能是 “开盲盒” 一样的不可控。
3.3K33编辑于 2024-05-07 - 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。 2023-06-09 AAAI 2023 Oral | 字节提出非对称图像重采样模型，JPEG、WebP上抗压缩性能领先SOTA 2023-06-08 SIGGRAPH 2023 | 6个惯性传感器和
3.6K20编辑于 2023-07-26 分享6类10种政务AI大模型应用场景
大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。 大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。 6类政务AI大模型的应用场景：政务咨询领域：通过构建具备深厚专业知识的智能助手，针对财务、环保等专业领域，提供精确的咨询和解答服务。这有助于提升企业和公众的办事体验，同时增强政府机构的工作效率。 城市治理领域：大模型专注于快速响应民意诉求、智能分类问题、高效处理事件工单等城市治理需求，开发特色应用，提高城市事件处理的效率，提升城市治理的智能化水平。 专业工具开发：应用大模型技术，在业务统计分析、报告报表生成、法律法规咨询等专业领域，开发一系列通用工具，帮助公务人员高效开展工作，同时协助企业和公众理解专业知识。
2.9K10编辑于 2024-08-06- 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。 多模态模型（MLLMs）与时序数据挑战 尽管现有LLMs主要针对文本任务，融合视觉、语言甚至音频的多模态大模型（MLLMs）已初现成效。
1.2K10编辑于 2025-04-11 - 来自专栏大模型&AIGC
6种大模型微调技术
我们将前缀微调应用于GPT-2进行表格到文本的生成，以及应用于BART进行文本摘要。 input和target，则使用原始的input embedding(5) 使用方式离散和连续template token混合时，显示地插入一下anchor（离散的token）有助于template的优化(6) ，无需verbalizer(4) 特点在小、大模型上，效果均优于P-tuning。 当参数量达10B，效果相当于FT6.LoRA（2021）(1) 论文信息来自论文：《LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS》（2）摘要自然语言处理的一个重要范式包括在通用领域数据上进行大规模预训练 Model)，学习目标为而加入LoRA后，学习目标为：(6) 配置在多个部位$(Q/K/V/Output)$同时添加$\bigtriangleup W$ ，会比只在单一部分上添加权重$\bigtriangleup
3.1K00编辑于 2025-05-08 . | 大语言模型辅助的临床医学领域大语言模型系统综述
DRUGONE 自2022年以来，大语言模型在临床医学中的评估研究迅速增长，但相关证据体系仍然缺乏系统梳理。 自ChatGPT于2022年11月公开发布以来，大语言模型在医学人工智能领域引发了显著的研究热潮。 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。 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。
26810编辑于 2026-03-30- 来自专栏大模型应用
大模型应用：情感分析模型微调深度分析：从基础预测到性能优化.6
在实际应用中，我们经常会遇到这样的问题：模型在测试集上准确率很高，但在真实场景中表现不佳；或者模型对某些类型的文本始终无法正确分类。这些问题都需要通过深入的模型分析来解决。 模型初始化：加载预训练的中文BERT模型和分词器2. 数据处理：将中文文本转换为模型可接受的输入格式3. 监控验证集性能：确保在验证集上评估模型，并根据验证集性能调整超参数。尝试不同的模型：如果当前模型表现不佳，可以尝试使用不同的预训练模型，例如在中文情感分析任务上表现较好的模型。 注意：在实际应用中，我们需要权衡覆盖率和准确率。如果应用场景要求高准确率，可以设置较高的阈值；如果要求覆盖尽可能多的样本，则设置较低的阈值。 、概率分布等指标，形成系统性方法确保效果：建立完整的分析-诊断-改进循环，确保持续优化，并针对不同应用场景，调整分析重点和优化策略。
52833编辑于 2026-02-03 - 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、 模型调用层：基于 OpenAI SDK，严格按照标准格式调用 AntAngelMed 医学模型，确保医学建议的专业性和准确性。 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. 若用户症状紧急，提示“立即就医”，不替代专业诊断；6. 聚焦高血压相关内容，不回答无关问题，篇幅适中。
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
模型下载 目前国内外的通用大模型可以用密密麻麻来形容，gitee上面已经收录了1万多个了：https://ai.gitee.com/models 。 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. 解决方案：对大模型的 Embedding 进行归一化（L2 归一化），保证向量长度一致。四、融合的执行流程1. 执行流程XGBoost 与大模型融合的完整执行流程可分为 6 个核心步骤：2. 模型保存：将训练好的 XGBoost 模型保存为文件，如 JSON/PMML 格式，方便后续部署。步骤 6：模型评估与部署1.
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。 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”。 大模型在密文向量上执行“关键词提取”、“条款解析”等运算；3. 输出加密的提取结果；4. 企业解密后得到明文的关键条款。6. 大模型在密文空间执行推理：大模型直接在加密数据上进行推理运算，所有计算都在密文空间完成，不暴露原始数据6. 输出密文推理结果：模型输出加密形式的推理结果，结果仍处于加密状态，无法直接读取7.
36131编辑于 2026-05-09 - 来自专栏6G
6G，AI , 与大模型?
6G与AI融合的未来方向 6G 网络的内生 AI 设计将赋能网络的AI大模型，同时使网络能够支持 AI 大模型的训练和服务。 另外，从小模型到大模型，生产效率跨越式提升基础通用大模型具有泛化性，网络智能化将从用例驱动转变为能力驱动，迅速降低应用开发门槛，加速 AI 工程化、规模化落地。 6G 网络将承担数据采集、预处理等数据服务，为云AI训练提供更好的支持。此外，6G 网络的分布式部署将使得 AI 大模型更靠近用户侧，从而在时延方面具有潜在优势。 在数据获取和处理方面，与 ChatGPT 不同，网络中存在大量结构化数据，且网络不同问题间的共性不清晰，网络 AI 大模型面临较大挑战。6G 网络面临如何有效采集适合AI大模型训练的数据的挑战。 而在构建 AI 大模型的路径上，需要分阶段探索，从离线小规模模型开始，逐步过渡到实时大规模模型，最终实现统一的网络 AI 大模型。 本文摘自于中国移动的“6G内生AI架构及AI大模”汇报材料。
51110编辑于 2024-04-24 - 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。 ，LangChain主要支持6种组件： Models：模型，各种类型的模型和模型集成，比如GPT-4 Prompts：提示，包括提示管理、提示优化和提示序列化 Memory：记忆，用来保存和模型交互时的上下文状态 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 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 - 来自专栏澜舟科技 NLP
大模型落地实践：同花顺大模型技术应用及优化
文内从业务角度介绍了大模型技术在同花顺业务上的应用以及未来探索的方向。众所周知，大模型参数量大，通用能力强，综合性能好。 这个问句量和用户量在问答系统中应该算非常大的。图片问财对话系统在大模型的应用上有几个难点。首先，它偏重金融业务知识，并且对于时效性要求很高。 这里特别说明一下“时效性”的问题。 确实在我们的业务模型里，规则占比非常大，也是因为涉及用户财产问题，技术上会比较保守。下面具体介绍问答系统里大模型应用的经验和取得的成果。 大模型的参数增加会带来效果的提升，但是在实际应用的经济角度考虑，宁可损失一些效果，尽量减少对资源的占用，所以我们投入了很大的精力做“模型轻量化”工作。 总结大模型技术在同花顺业务中的应用基本都有比较好的通用性，并且带来了比较好的性能提升，我们也希望在医疗、法律、教育等领域的子公司业务中推广，同时和澜舟科技以及学术界的老师们合作，把大模型用得更好，谢谢大家
3.2K20编辑于 2022-08-11 - 来自专栏后台技术汇
大模型应用之（4）：Langchain架构与大模型接入
背景 LangChain 是一个用于开发由大型语言模型（Large Language Model，LLM）驱动的应用程序的框架。 旨在简化使用大型语言模型的应用程序。 Langchain架构 LangChain工具 组件：大模型包装器、聊天模型包装器、数据增强工具和接口链： 提供了标准接口，和数据平台和实际应用工具紧密集成 LangChain六大模块 模块 核心作用 v=9qq6HTr7Ocw 小结： 各模块采用松耦合设计，可通过标准化接口组合使用 实际应用中通常以链为核心组织工作流（如检索QA链=数据增强+模型I/O+记忆） 回调系统提供贯穿所有模块的可观测性能力 Agent作为高级模块，可调用其他所有模块功能 大模型接入 接入示例 云服务和私有化大模型优劣对比 维度 开发成本 算力成本 运维成本 数据安全 云厂商大模型 较低，开箱即用 算力资源充足，大模型性能好 &吞吐量较高 较低，提供云平台监控 安全性低 私有化大模型 较高，自建大模型网关、服务鉴权、可用性等 算力硬件投入成本高，大模型性能较差低&吞吐量较低 较高，需要专业运维团队介入 安全性高，保密性强
95410编辑于 2025-08-04
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