MING大模型学习资源汇总 - 中文医疗问诊AI助手
🌐 MING项目简介
[MING]（明医）是由上海交通大学未来媒体网络协同创新中心与上海人工智能实验室智慧医疗中心共同开发的一个中文智能医疗问答与诊断平台。该项目旨在通过建立智能医疗知识库与交互系统,为用户提供专业、精准的医疗服务方案
MING的主要功能包括:
- 医疗问答环节旨在解答患者的医疗相关问题并进行案例分析 *
📚 相关论文
MING-MOE: 该研究开发了一种改进的医疗多任务学习方法，在大型语言模型中应用了稀疏混合低秩适应专家模型
MING-MOE技术报告,详细介绍了MING模型的技术原理。
Automated Interactive Assessment of Large Language Models Equipped with State-Aware Patient Simulators
介绍了基于多智能体交互的大语言模型多轮问诊自动评估框架。
🚀 模型下载
MING项目开源了多个版本的预训练模型,可以在HuggingFace上下载:
- MING-7B: 基于bloomz-7b1-mt微调
- MING-1.8B: 基于Qwen1.5-1.8B微调
- MING-MOE-1.8B: 基于Qwen1.5-1.8B的专家混合模型
- MING-MOE-4B: 基于Qwen1.5-4B的专家混合模型
- MING-MOE-7B: 基于Qwen1.5-7B的专家混合模型
- MING-MOE-14B: 基于Qwen1.5-14B的专家混合模型
💻 快速开始
配置环境:
* Python 3.9+
* PyTorch 2.0+
* peft 0.9.0安装依赖:
1. git clone https://github.com/MediaBrain-SJTU/MING
2. cd MING
3. pip install -e .下载模型并运行(需要15GB以上显存):
1. CUDA_VISIBLE_DEVICES=0 python -m ming/serve/cli.py \
2. --model_path {path_to_checkpoint} \
3. --model_base {path_to_base_model} \
4. --max_new_token 3072进一步的详细使用指南,请访问MING GitHub仓库
🧪 测试样例
该图表呈现了MING模型的一个试验案例,表明该模型不仅具备处理复杂医疗问题的能力,还能提供专业的解答
🙏 贡献者
MING项目由上海交通大学未来媒体网络协同创新中心与上海人工智能实验室智慧医疗中心共同负责开展。该项目的核心成员包括廖育生、江书洋、刘泓呈与孟昱同等, 指导教师为王钰副教授
📢 免责声明
MING推出的预训练模型仅作为参考可用于研究用途。该模型不具备准确性与可靠性的保证。使用者需自行评估风险并进行验证,不建议将此模型直接应用于临床医疗诊断或决策支持。
本文介绍了LING项目的相关知识，并希望读者能全面掌握这些内容。无论是从事医疗AI研究的专业人士、软件开发者，还是关注智能医疗技术的同行们，在这里都能找到丰富的学习资源来深入了解LING模型。让我们携手期待LING在未来能够进一步推动智能医疗的发展与创新！
文章链接：www.dongaigc.com/a/ming-large-model-learning-resources
https://www.dongaigc.com/a/ming-large-model-learning-resources