登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《中国国内医学相关的类GPT语言模型》

  • 来源专题：数智化图书情报
  • 编译者： 闫亚飞
  • 发布时间：2023-11-03

  • 1、华佗GPT

    华佗GPT

    有免费体验网站，可直接访问对话，无需注册登录账户。目前处于测试阶段，还在不断完善优化中，由香港中文大学(深圳)和深圳市大数据研究院联合开发。

    是一个基于大量中文医疗语料训练的大语言模型(LLM)，目的是让语言模型具有医生的专业知识和患者的友好态度，为医疗咨询场景提供便捷有效的服务。目前处于测试阶段，生成结果正确性目前没有额外机制保证，结果仅供参考，请遵医嘱。界面中有上传图片和语音按钮，但这两个功能实际效果如何还待验证。

    2、左医GPT

    左医医疗大语言模型

    不免费，但可申请短期体验。该对话页面需要用API key，底部有API key申请平台入口，在平台通过客服或联系电话或企业微信号等多种方式申请可获得key，申请就直接给，会给一个有试用期的API密钥，在左医GPT对话页面输入即可体验。目前主要对医院等医疗相关单位机构合作使用。我上次申请体验的是有2天试用期，不知现在能试用多久。

    补充：百度搜索“左医GPT”，有介绍，平台申请直接获得key，因为医疗比较严肃，所以加一道，保证使用安全。——来自本文评论区 张超(左手医生创始人 CEO)

    左医GPT不是基于GPT-3的，而是基于Transforme架构的自研模型。听译机器人的底层技术用的是左医GPT，和openAI没有任何关系。可通过语音识别和自然语言理解技术，实时记录医患对话，并自动生成电子病历。还可通过语言模型和知识图谱技术，为医生提供智能辅助功能，如用药指导、诊断建议、随访管理等。左医GPT是左手医生公司的核心产品之一，目前已经部署在全国近百家头部医院，提供智慧服务。

    官网产品介绍地址(可申请API key) 左手医生开放平台-助力智慧医疗服务建设

    3、岐黄问道GPT

    大经中医岐黄问道大模型 (dajingtcm.com)

    中医大模型，大经中医出品。目前对医疗机构开放申请内测。三个子模型：基于已确诊疾病的临床诊疗大模型，仅基于症状体征的临床诊疗大模型，中医养生调理大模型。

    落地应用：在“学习强国”App中的中医智能健康助手就是基于此模型，只需要选择一些不舒服的表现，就能推荐中医调理方案。广东省中医院、上海中医药大学附属龙华医院等医疗机构单位；南京市江宁区、淄博市高青县等区域中医医联体，上海长宁区“为老服务中心”，下沉到山东吉林等地村卫生室这种基层医疗机构。

    训练呢数据集：1100万条中医知识图谱数据；1500本中医古籍和文献数据；10万份真实中医专家医案数据；10万条脉象、舌象、经络、穴位数据；200万条真实的中医临床诊疗数据。

    大经中医官网：大经中医 (dajingtcm.com)

    4、本草(别名华驼,另有Med-ChatGLM)

    中医大模型，免费开源，但目前无法直接使用，需下载在高性能计算机上进行复杂本地部署，也没有线上网站可体验。

    哈尔滨工业大学开发的一款基于中医药知识图谱的人工智能系统，可提供中医药相关的问答、推理、分析等服务，赋能中医药行业的各个场景。

    项目介绍地址(需翻墙才能访问)

    本草(华驼) https://github.com/SCIR-HI/Huatuo-Llama-Med-Chinese

    Med-ChatGLM https://github.com/SCIR-HI/Med-ChatGLM

    5、医联MedGPT

    公司官网 成都医云科技有限公司 (medlinker.com)

    个人无法直接使用，目前与各大医院及机构合作面向患者使用。是国内首个进行线下医院实际问诊等流程场景使用测评的大模型。已进入内部测试阶段，2023年5月正式发布。已拥有近3000种疾病的首诊能力，覆盖80%以上的成年人疾病和90%以上的0-12岁儿科疾病。突破AI医生无法与真实患者连续自由对话的难点，并在医疗问诊场景中支持多模态的输入和输出，在疾病的预防、诊断、治疗、康复四个重要环节全面实现智能化。MedGPT模型相关介绍文章如下：

    文章一：医疗版ChatGPT直播评测！治疗方案与真人医生96%一致

    文章二：鏖战一天，与三甲主治医师医学一致性达到96% 医联 MedGPT 通过首次公开大考！

    在微信公众号“医联Medlinker”中有个“医联MedGPT 媒体沟通会”的发布会视频，里面详细讲解了模型具体情况。

    6、砭石

    中医大模型，不免费，可简单体验。智慧眼开发的医疗领域大模型砭石，是一款支持多模态（文本、图像、视频和音频）输入的人工智能医生，可以提供智能问诊、辅助诊断、智能用药等服务，赋能医疗健康行业的各个场景。

    体验方法：扫描智慧眼官网上的二维码，体验互联网医院的服务，包括智能导诊、在线问诊、处方流转、药物配送等。扫描后进入小程序进行微信登陆，添加就诊人并实名认证，后自动跳转到“急速问诊”页面，该问诊就是基于砭石模型问答。下次再次使用时在小程序首页上的“问诊购药”或“复诊续方”功能按钮进入问答界面。("砭"读bian一声)

    产品介绍官网(页面下滑找到微信小程序二维码) 智慧眼-人工智能/医疗健康-AI计算驱动生命健康

    7、京东JDH 京医千询

    基于京东自己的言犀大模型打造，投喂了京东互联网医院积累了上亿级的医疗问诊数据。远程医疗两个场景：一是药师的问答；二是医患问答。目前与互联网医院及医疗机构合作面向患者使用，个人目前无法直接使用。没有找到官网相关链接及信息，欢迎评论补充。感兴趣的可通过京东云网站客服等渠道咨询就行。

    京医千询_百度百科 (baidu.com)

    8、腾讯健康医疗大模型，面向B端医院企业商业，不对个人开放，官网：腾讯健康

    9、百度灵医智惠，面向B端医院企业商业，不对个人开放，官网：灵医智惠

    10、华为云盘古医疗，网址：盘古大模型_panguLM_大模型_华为云，药物分子大模型，医疗大模型。

    11、清华药物研发助手ChatDD，详情介绍网址：水木分子发布ChatDD 新一代对话式药物研发助手，引领药物研发第四范式

    将于2023年10月中旬邀请测试基础版本。清华系初创团队水木分子宣布发布新一代对话式药物研发助手ChatDD(Drug Design)，覆盖药物立项、临床前研究、临床试验的各阶段，作为制药专家的得力AI助手，提升药物研发效率。千亿参数多模态生物医药对话大模型ChatDD-FM 100B。“制药版 ChatGPT”。兼具多模态和对话双重特点，能给医药界学生“解个惑”。主要给国内医药行业“打辅助”，侧重中文对话能力，融入了更多专家的对话模式和经验。

    12、清华BioMedGPT，项目开源地址：https://github.com/taokz/BiomedGPT

    生物医药版ChatGPT。清华大学聂再清教授带领团队着手构建的多模态生物医药领域基础模型，旨在将生物世界分子、文本与知识进行统一表示学习以达到在各项下游任务上能力的整体提升。通过打造的干湿闭环和专家在环的双闭环体系，使得BioMedGPT能够从真实世界学习、向人类专家学习有望成为生物医药研发基础大模型，支撑诸如高通量虚拟筛选、分子生成与优化、个性化药物重定位、生物医药知识检索等多项应用。主要用于科研领域，更擅长英文生物医药科研任务，适合直接拿来作为生物医药领域的相关科研任务的基础模型。

  • 原文来源：https://zhuanlan.zhihu.com/p/639719764
2997浏览量
原文链接
相关报告

  • 《医疗AI与GPT | 梳理全球医疗大模型》
    • 来源专题：数智化图书情报
    • 编译者：闫亚飞
    • 发布时间：2023-09-27
    • 一、国外医疗大模型 1、谷歌医疗大模型（Med-PaLM） 谷歌和DeepMind的科研人员在《自然》杂志上发表了一项研究，根据其研究结果，一组临床医生对谷歌和DeepMind团队的医疗大模型Med-PaLM回答的评分高达92.6%，与现实中人类临床医生的水平（92.9%）相当。 2、BioMedLM（PubMedGPT） 斯坦福基础模型研究中心（CRFM）和MosaicML联合开发了BioMedLM （PubMedGPT）模型，一种经训练可以解释生物医学语言的大型语言模型。CRFM使用MosaicML平台，根据PubMed的生物医学数据训练了2.7B 参数 GPT，在美国医疗执照考试 (USMLE)的医疗问答文本上取得了最先进的结果。在Pile数据集的 PubMed Abstracts 和 PubMed Central 部分上训练了 BioMedLM。该数据集包含约 50B 个标记，涵盖由美国国立卫生研究院策划的生物医学文献中的 1600 万篇摘要和 500 万篇全文文章。 3、GatorTron GatorTron是由佛罗里达大学开发的电子病历（EHR）大数据模型，从头开始开发了一个LLM（没有基于其他预训练模型），使用89亿个参数和来自电子健康记录的>900亿字的文本来改进5个临床自然语言处理任务，包括医疗问题回答和医疗关系提取。 虽然比Med-PaLM的模型小得多，但这是第一个由学术医疗机构开发的医学基础模型，而不是像谷歌、OpenAI或Meta这样的大型科技公司。 这个数据来源是从UF Health综合数据存储库（IDR）——UF Health系统的企业数据仓库中提取了来自247万名患者的总计2.9亿份临床笔记。这些笔记是在2011-2021年创建的，来自超过126个临床科室和约5千万次接触，涵盖了医疗环境，包括但不限于住院病人、门诊病人和急诊部门的访问。经过预处理和去识别，该语料库包括超过820亿个医疗词汇。 4、CLINICAL QA BIOGPT (JSL) John Snow Labs 长期以来一直是自然语言处理（NLP）工具和算法在医疗用例中的领先者。除了数据标记和提取之外，他们还拥有用于去标识化临床笔记和医疗数据的工具。JSL 最近宣布了一种基于 BioGPT（一个较旧、较小的医疗信息训练的大型语言模型）的LLM（BIOGPT (JSL) ），通过基于JSL数据和NLP工具的微调。该模型在患者去标识化、实体解析（如提取操作代码和医疗术语）以及临床摘要的准确性等领域可能表现更好，甚至可能优于ChatGPT。 https://nlp.johnsnowlabs.com/2023/04/12/biogpt_chat_jsl_en.html 5、ChatDoctor ChatDoctor：使用医学领域知识在大型语言模型LLaMA上进行微调的医疗大模型。 收集了 700 多种疾病及其对应的症状 + 所需医学检查 + 推荐的药物, 以此生成了 5k 次医患对话数据集。此外, 还从在线问答医疗咨询网站获得了 200k 条真实的医患对话数据集。 使用 205k 条医患对话数据集对 LLM 进行微调, 生成的模型在理解患者需求, 提供合理建议并在各种医疗相关领域提供帮助方面能力显著提高。 此外，为了提高模型的可信度，该项目还设计了一个基于Wikipedia和医疗领域数据库的知识大脑，它可以实时访问权威信息，并根据这些可靠信息回答患者的问，这对容错率较低的医疗领域至关重要。 实验表明，医生患者对话的微调模型在精度、召回率和F1方面超过ChatGPT。 https://www.yunxiangli.top/ChatDoctor/ 二、中文医疗大模型 1、DoctorGLM 基于 ChatGLM-6B的中文问诊模型 基于 ChatGLM-6B的中文问诊模型，通过中文医疗对话数据集进行微调，实现了包括lora、p-tuningv2等微调及部署。 Github地址：https://github.com/xionghonglin/DoctorGLM 2、BenTsao 开源了经过中文医学指令精调/指令微调(Instruct-tuning) 的LLaMA-7B模型。通过医学知识图谱和GPT3.5 API构建了中文医学指令数据集，并在此基础上对LLaMA进行了指令微调，提高了LLaMA在医疗领域的问答效果。 地址：https://github.com/SCIR-HI/Huatuo-Llama-Med-Chinese 3、BianQue 一个经过指令与多轮问询对话联合微调的医疗对话大模型，基于ClueAI/ChatYuan-large-v2作为底座，使用中文医疗问答指令与多轮问询对话混合数据集进行微调。 地址：https://github.com/scutcyr/BianQue 4、HuatuoGPT 开源了经过中文医学指令精调/指令微调(Instruct-tuning)的一个GPT-like模型 地址：https://github.com/FreedomIntelligence/HuatuoGPT 5、Med-ChatGLM 基于中文医学知识的ChatGLM模型微调，微调数据与BenTsao相同。 地址：https://github.com/SCIR-HI/Med-ChatGLM 6、QiZhenGPT 该项目利用启真医学知识库构建的中文医学指令数据集，并基于此在LLaMA-7B模型上进行指令精调，大幅提高了模型在中文医疗场景下效果，首先针对药品知识问答发布了评测数据集，后续计划优化疾病、手术、检验等方面的问答效果，并针对医患问答、病历自动生成等应用展开拓展。 地址：https://github.com/CMKRG/QiZhenGPT 7、ChatMed 该项目推出ChatMed系列中文医疗大规模语言模型，模型主干为LlaMA-7b并采用LoRA微调，具体包括ChatMed-Consult : 基于中文医疗在线问诊数据集ChatMed_Consult_Dataset的50w+在线问诊+ChatGPT回复作为训练集；ChatMed-TCM : 基于中医药指令数据集ChatMed_TCM_Dataset，以开源的中医药知识图谱为基础，采用以实体为中心的自指令方法(entity-centric self-instruct)，调用ChatGPT得到2.6w+的围绕中医药的指令数据训练得到。 地址：https://github.com/michael-wzhu/ChatMed 8、XrayGLM，首个会看胸部X光片的中文多模态医学大模型 该项目为促进中文领域医学多模态大模型的研究发展，发布了XrayGLM数据集及模型，其在医学影像诊断和多轮交互对话上显示出了非凡的潜力。 地址：https://github.com/WangRongsheng/XrayGLM 三、国内产业界的医疗大模型 1、百度灵医大模型 2023年9月19日，百度正式发布国内首个“产业级”医疗大模型——灵医大模型。灵医大模型聚焦智能健康管家、智能医生助手、智能企业服务三大方向，为患者、医院、企业等提供AI原生应用。 灵医大模型能够结合自由文本秒级生成结构化病历，根据医患对话精准分析生成主诉、现病史等内容。此外，灵医大模型也是业内唯一支持多篇中英文文献同时解析的大模型，基于文献解析内容实现智能问答。在辅助诊疗方面，灵医大模型可实现通过多轮对话了解病人病情，实时辅助医生确诊疾病，推荐治疗方案，提升就诊全流程的效率和体验，并成为患者的24小时“健康管家”，提供智能客服服务。此外，灵医大模型还能为药企提供多项赋能，包括专业培训、医药信息支持等等。 2、京东京医千询 京东健康发布了“京医千询”医疗大模型，可快速完成在医疗健康领域各个场景的迁移和学习，实现产品和解决方案的全面AI化部署。 3、腾讯混元医疗大模型 腾讯混元大模型预训练用到的数据高达2万亿tokens，比不少模型高出一个量级。训练数据涵盖285万医学实体、1250万医学关系，覆盖98%医学知识的医学知识图谱和中英文医学文献。这些知识既对大量论文、百科全书、用药说明书中的知识进行了萃取，又纳入了腾讯医典中各个医学专家撰写的针对性的医学文章。所有知识来源都已经过验证，因而可为大模型输出的结果提供权威依据。 一方面来源于患者场景，如线上问诊、医学问答、导诊、预问诊；另一方面来源于医生场景，如医学考题、病历生成、出院小结、检查建议、诊断结果和用药建议。 4、医联MedGPT 预训练阶段使用了超过20亿的医学文本数据，微调训练阶段使?了800万条的高质量结构化临床诊疗数据，并投入超过100名医生参与人工反馈监督微调训练。 5、商汤 “大医”大模型 基于海量医学知识和临床数据打造了中文医疗语言大模型“大医”，可以提供导诊、健康咨询、辅助决策等多场景多轮会话能力。此外，商汤科技同样推出了医疗影像大模型、生信大模型等多种垂类基础模型群，覆盖CT、MRI、超声、内镜、病理、医学文本、生信数据等不同医疗数据模态。 6、云知声山海大模型 云知声将以山海大模型为基础，增强物联、医疗等行业能力，为客户提供更智能、更灵活的解决方案。在医疗场景，发布手术病历撰写助手、门诊病历生成系统、商保智能理赔系统三大医疗产品应用。 7、微脉CareGPT CareGPT 致力于在真实的医疗服务场景中充分发挥健康管理价值，实现预防、咨询、预约、康复的全周期智能化健康管理能力。目前参数规模为 70 亿，可支持医疗健康场景下的多模态输入和输出。 8、东软添翼医疗 医生通过自然语言与添翼交互，快速、精准地完成医疗报告与病历、医嘱开立；面向患者，添翼让问诊更便捷，成为患者全天私人专属医生，提供全面的诊后健康饮食、营养与运动建议等服务。添翼的多模态数据融合能力，也将为医院管理者提供对话式交互与数据洞察，简化数据利用，让医院管理更精细。 9、叮当健康HealthGPT 叮当HealthGPT可以作为AI健康助手，为用户提供全方位的健康相关问题解答和专业建议。无论用户对就医流程、疾病治疗、药品使用、检查结果解读感兴趣，还是关注疾病预防、养生保健、饮食营养、美容健身、家庭医疗护理、心理健康和压力管理，叮当HealthGPT都能满足用户的需求。 10、水木分子ChatDD 新一代对话式药物研发助手ChatDD 及全球首个千亿参数多模态生物医药对话大模型ChatDD-FM 100B，ChatDD (Chat Drug Discovery & Design) 基于大模型能力，则能够对多模态数据进行融合理解，与专家自然交互人机协作，将人类专家知识与大模型知识联结，具备问题理解、任务拆解、工具调用等能力，或有可能重新定义药物研发模式。 11、华为云盘古药物分子大模型 华为云盘古大模型已经深入金融、制造、政务、电力、煤矿、医疗、铁路等10多个行业，支撑400多个业务场景的AI应用落地。2021年发布的华为云盘古药物分子大模型，是由华为云联合中国科学院上海药物研究所共同训练而成的大模型，可以实现针对小分子药物全流程的人工智能辅助药物设计。实验验证结果表明，盘古药物分子大模型的成药性预测准确率比传统方式高20%，进而提升研发效率，让先导药的研发周期从数年缩短至一个月，同时降低70%的研发成本。 12、智云健康：ClouD GPT 依托大数据平台、机器学习平台、模型开发平台、模型训练平台等基础平台，智云健康开发出医疗行业模型ClouD GPT，已经落地在智云AI辅助诊断和AI药物、器械研发的医疗应用场景。 13、卫宁健康：WiNEX Copilot 卫宁健康已于2023年1月开展了医疗垂直领域的大语言模型WiNGPT的研发和训练工作，截至4月、6月和9月的模型训练参数量达到或将达到60亿、156亿、650亿，目前正在探索更多的医疗应用场景，计划于10月正式发布由GPT技术加持的新产品WiNEX Copilot。 14、创业慧康BSoftGPT BSoftGP将以API调用结合本地部署的方式聚合利用通用GPT模型，同时通过本地部署embedding向量数据库以及公司自有的领域知识库，通过医疗垂直领域的语言模型训练和微调逐步实现产品力，并向公司内外部的应用场景，比如在医疗服务和个人健康等场景中输出AI智能服务。 在临床医疗服务方面，BSoftGPT可以根据医生提供的病历信息和临床数据，自动化生成临床决策建议和治疗方案，从而辅助医生进行临床决策，提升现有的临床决策支持系统CDSS的智能化水平；在面向患者服务方面，BSoftGPT可以通过与患者进行自然语言交互，实现贯穿患者诊前诊中诊后全流程的智能导诊、管理。 15、科大讯飞：星火认知 基于星火认知大模型升级的讯飞医疗诊后康复管理平台，将专业的诊后管理和康复指导延伸到了院外。根据患者健康画像自动分析，平台可为患者智能生成个性化康复计划，并督促患者按计划执行。目前，讯飞诊后康复管理平台试点已取得显著效果：提高合作医院医生的管理效率10倍以上，患者康复过程中的随访率和咨询回复率达到100%，出院患者满意度达到98%以上。 16、中国科学院自动化研究所紫东太初 “紫东太初”定位为跨模态通用人工智能平台，于2021年正式发布。今年6月16日，紫东太初发布2.0版本，目前，“紫东太初”大模型已展现出广阔的产业应用前景，在神经外科手术导航、短视频内容摘要、法律咨询、医疗多模态鉴别诊断、交通图像研读等领域开始了一系列引领性、示范性应用。 在医疗领域，基于紫东太初大模型开放服务平台，实现数据智能标注、高效模型训练、模型灵活部署，实现骨科器械/耗材的自动识别和清点，实现智能化、精细化管理，效率相比传统方式提升了6倍，准确率高达97%以上。 17、深圳市大数据研究院&香港中文大学（深圳）华佗GPT 今年6月，华佗GPT的最新的内测版本在深圳发布。由深圳市大数据研究院和香港中文大学（深圳）联合研发的华佗GPT，使用一亿问答（50G）和10-20T医疗文本，是最大的医疗问答数据集。主要应用于医疗咨询和情感陪伴，包括患者培训、健康咨询、就医分诊等。 华佗GPT是通过融合ChatGPT生成的 “蒸馏数据”和真实世界医生回复的数据，训练并开源了一个新的医疗大模型。自动与人工评测结果显示，华佗GPT在单轮与多轮问诊场景都优于现有中文医疗人工智能模型和GPT-3.5，充分证明其处理复杂问诊对话的能力。下一步，华佗GPT将支持多模态输入。 18、北京智谱华章科技有限公司&北京中医药大学东方医院：基于“GLM-130B”的数字中医大模型 6月27日，北京市首批10个人工智能行业大模型应用案例发布，其中包括北京智谱华章科技有限公司和北京中医药大学东方医院共同开发的数字中医大模型示范应用。该项目项目选用了基于智谱华章高精度千亿中英双语稠密模型“GLM-130B”，面向中医领域名医经验挖掘整理需求，构建数字中医服务平台，探索高危肺结节人工智能临床诊疗和临床评价研究等解决方案，实现中医临床经验的智慧化复制新模式。项目已初步研发了医疗垂直领域的问答功能，支持对医疗、健康问题进行智能化知识问答；同时开发了根据症状生成中医处方，并提供处方主治症候医学解释等辅助诊疗功能。 19、哈尔滨工业大学：“本草”中文医学大模型（原名：华驼） 据今年5月报道，哈尔滨工业大学的研究团队训练出中文医学大模型，命名为“华驼”，后更名为“本草”。“本草”团队主要利用了中文医学知识图谱CMeKG和2023年关于肝癌疾病的中文医学文献，借助OpenAI API，分别构造了8000条问答数据和1000条多轮对话训练数据。然后，基于LLaMA-7B基座模型，进行有监督的微调，构建了“本草”中文医学大模型。 20、上海人工智能实验室：OpenMEDLab浦医 6月29日，由上海人工智能实验室牵头，并联合国内外顶级科研机构、高校及医院共同发布全球首个医疗多模态基础模型群“OpenMEDLab浦医”，并逐步开源。“OpenMEDLab浦医”融合了全球顶尖的AI研发能力、海量医学数据以及医学专家知识，首批发布的基础模型群中，包含基于医学图像、医学文本、生物信息、蛋白质工程等10余种数据模态训练而成的基础模型。该模型将促进基于医疗基础模型的跨领域、跨疾病、跨模态科研突破，同时助力解决医疗领域的长尾问题，推动医疗大模型的产业落地。
    7282浏览量
    原文链接

  • 《中国核电首个AI大模型知识管理平台诞生！》
    • 来源专题：能源情报网监测服务平台
    • 编译者：郭楷模
    • 发布时间：2024-08-16
    • 8月15日，中国核电旗下秦山核电数字化转型专项——“知识管理平台(i-知识)”研发项目通过行业专家鉴定，标志着中国核电首个基于AI大模型的知识管理平台研发成功，为中国核电知识管理平台建设打下了良好基础。 来自中核集团总部、中国核建、红沿河核电、江苏核电、核电运行研究院等单位的资深专家参加本次成果鉴定。 专家组先后听取了项目汇报及创新点介绍，观看系统功能演示，进行项目质询和细节交流等，最终一致认为秦山核电开发的“i-知识”平台在中国核电范围内率先实现了专业性大语言模型应用，设计理念先进、功能完备齐全、操作智能便捷，达到了国内先进水平，同意该项目通过成果鉴定。 面对新一轮科技革命和产业变革，人工智能已成为推动科学技术创新、发展新质生产力的关键驱动力。秦山核电依托大语言模型、智能检索、知识图谱、语义分析及智能推理等先进数字化技术，高效整合公司内外部海量知识资源，打造“i-知识”管理平台，具备核工业语义库、智能问答等7大核心板块功能，有力提升了核电知识的利用效率。 “i-知识”平台包括： 多模态数据智能加工 通过智能挖掘、碎片化处理、版面分析、数据治理等手段，将各类型文件进行智能拆分、动态标引，实现图表、公式、术语、指标等知识元的检索和关联分析利用。 数智标准库 依托AI技术挖掘并构建核工业标准知识库，实现标准术语、章条、指标等知识元级别检索，建立标准与管理程序的知识元级别关联，实现标准差异化分析及数字化阅读。 智能检索 基于聚类分组及推荐算法等技术，通过核工业语义库和知识图谱的加持，让检索更精准、更智能，实现公司内外部知识库的一框式跨库检索及全文检索。 智能推荐 采用语义模型作为协同过滤算法，根据用户的检索、浏览、下载等行为以及岗位信息，自动绘制用户画像，并进行精准推送，实现由“人找知识”向“知识找人”的转变。 知识图谱 借助实体识别模型、图谱融合等手段，实现基于设备的知识图谱构建，可视化展示设备基础信息、相关标准、部件、工单、变更、技术文档等关联信息。 核工业语义库 升级核工业语义库，语义词量达到千万级别，涵盖60余个专业领域。通过构建多维度语义网络，使得检索和问答更具核电特质。 智能问答 在中国核电范围内率先实现专业大语言模型应用，以核电高质量知识资源作为语料库进行大语言模型训练，并根据应用场景实现专业性回答。 后续，秦山核电将以本次成果鉴定为新的起点，继续深化运用人工智能技术，为用户提供更加场景化、智能化、精细化的知识服务，赋能公司全领域业务，为推动核能事业高质量发展贡献智慧力量。
    203浏览量
    原文链接