随着ChatGPT的诞生和深度学习技术的迅速发展，基于大模型的人工智能系统在自然语言处理领域取得了显著的进展。面向生物明升手机版领域，大语言模型在提升医生与患者之间的沟通、提供有用的明升手机版信息、辅助诊疗、生物明升手机版知识发现、个性化医疗方案等方面潜力巨大。然而，在人工智能社区，现有开源生物明升手机版大模型相对较少，且大多仅专注于单语（中文或英语）的医疗问答对话任务。

近日，大连理工大学计算机学院信息检索研究室罗凌、杨志豪、王健、林鸿飞老师及其团队在生物明升手机版大模型领域的研究取得进展。团队研发了中英双语生物明升手机版大模型——太一（Taiyi），旨在探索大模型在生物明升手机版领域中双语自然语言处理多任务的能力。团队开源了中英双语数据集整理信息、“太一”大模型权重、模型推理使用脚本，并搭建了Demo开放测试。

“太一”大模型通过问答对话形式与用户进行交互，可进行病情咨询、疾病预防、药物咨询、信息抽取等多种丰富生物明升手机版主题相关任务，有助于更有效地管理生物明升手机版信息，提高医疗决策的质量，提升生物明升手机版教育的效果等，为智慧医疗领域带来了很多的可能性。

“太一”大模型具有三大特点：丰富的生物明升手机版训练资源。团队收集整理了丰富的中英双语生物明升手机版自然语言处理训练语料，其中包含38个中文数据集，102个英文数据集，覆盖十余种生物明升手机版任务；出色的中英双语多任务能力。通过对丰富的中英双语任务指令数据进行微调，使模型具备较出色的双语生物明升手机版智能问答、明升手机版对话、手机版生成、信息抽取、机器翻译、标题生成、文本分类等多种能力；优秀的泛化能力。除了生物明升手机版领域外，模型具备通用领域对话能力，并通过设计指令模板的多样性，使模型具备了较优秀的指令理解能力，在同类任务的不同场景下具有较好的泛化能力，并激发了模型一定的零样本学习能力。

与现存的生物明升手机版领域大模型侧重于单语医疗问答对话任务不同，“太一”不仅在双语对话问答方面表现出色，还利用丰富的高质量人工标注生物明升手机版数据集进行指令微调，挖掘了大模型在生物明升手机版领域的多任务潜力。这使得“太一”在处理现实生物明升手机版复杂场景任务时更有通用性，并为智慧医疗领域的发展带来了更多可能性。

但是目前，“太一”在一些复杂任务处理效果还有很大提升空间，并且仍然存在大模型的一些常见缺点，例如误解、幻觉、信息有限性、偏见、多轮长对话能力较不稳定、话题转换能力弱等。在未来的工作中，团队也将在增量预训练、强明升手机习性能增强、可解释性、安全性等方面进一步深入研究，以提升“太一”的能力。