面向医学领域生成任务的大语言模型性能评测研究  

作　　者：蔡文涛 丁增辉[2] 李梦[3] 刘惠临[1] 常征 

机构地区：[1]安徽理工大学计算机科学与工程学院,安徽淮南232001 [2]中国科学院合肥物质科学研究院,安徽合肥230031 [3]安徽中医药大学第二附属医院,安徽合肥230061

出　　处：《电脑知识与技术》2025年第4期11-16,共6页Computer Knowledge and Technology

基　　金：安徽高校自然科学重大项目(KJ2020ZD40);安徽省科技重大专项(202103a07020004);安徽省科技重大专项(202303a07020006-4);安徽省科技重大专项(202304a05020071);安徽省科技重大专项(2023CXMMTCM012)。

摘　　要：文章针对医学领域大语言模型评测的不足,构建了4个医学评测任务,并选取8个中文开源大语言模型进行性能评估。结果表明,通用模型Qwen2.5-7B-Instruct表现最佳,而现有开源医学领域大语言模型的性能相对较差。研究还发现,指令遵循能力较强的大语言模型在医学领域任务中具有更大的优势。本研究为医学领域大语言模型的选择和优化方向提供了重要参考。

关 键 词：大语言模型 医学领域 性能评测 指令遵循 开源模型 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]