换一批融合监督微调和检索增强的中医知识问答模型研究
Research on a Traditional Chinese Medicine Knowledge Q&A Model Integrating Supervised Fine-Tuning and Retrieval-Augmented Generation
摘要目的 充分利用中医问答和文献典籍等中医数据,构建推理能力强、结果可靠的中医知识问答任务模型.方法 收集和整理大规模中医语料问答数据,以ChatGLM3为基座,利用PissA方法进行监督微调,结合检索增强生成(Retrieval-augmented generation,RAG)方法,建立融合监督微调和检索增强的中医知识问答模型.将其与ChatGLM3、SFT、RAG等进行比较,从BLEU、ROUGE1、F值等经典指标角度评价模型效果.结果 本文建立的模型在BLEU值和ROUGE1值上分别为14.5830和34.6730,结合RAG后在中医题库推理结果中F值达到0.6398,优于ChatGLM3基线模型0.2654.结论 融合监督微调和检索增强的中医垂直领域大模型构建方法可有效提升模型的中医推理性能和可靠性.
更多相关知识
关键词
监督微调检索增强生成大语言模型中医知识问答Supervised fine-tuningRetrieval-augmented generationLarge language modelTCM knowledge question answering
分类号
R2-03（中国医学理论）
栏目名称
DOI
10.11842/wst.20241121002
发布时间
2025-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82174276）
江苏省中医流派研究院开放课题（JSZYLP2024060）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
