1月24日消息，據(jù)百川大模型公眾號(hào)消息，百川智能發(fā)布了國(guó)內(nèi)首個(gè)全場(chǎng)景深度思考模型Baichuan-M1-preview。該模型是國(guó)內(nèi)目前唯一同時(shí)具備語言、視覺和搜索三大領(lǐng)域推理能力的模型。在數(shù)學(xué)、代碼等多個(gè)權(quán)威評(píng)測(cè)中，Baichuan-M1-preview的表現(xiàn)均超越了o1-preview，展現(xiàn)了其在多領(lǐng)域推理方面的獨(dú)特優(yōu)勢(shì)。

此外，作為國(guó)內(nèi)唯一專注醫(yī)療領(lǐng)域的頭部大模型公司推出的深度思考模型，它還解鎖了醫(yī)療循證模式，實(shí)現(xiàn)了從醫(yī)療證據(jù)檢索到深度推理的完整端到端服務(wù)，能夠快速、精準(zhǔn)地回答醫(yī)療臨床、科研問題。

Baichuan-M1-preview現(xiàn)已在百小應(yīng)中正式上線，在深度思考模式下不僅能準(zhǔn)確解答數(shù)學(xué)、代碼、邏輯推理等問題，面對(duì)復(fù)雜醫(yī)療問題，還能像資深醫(yī)療專家一樣，通過深度思考構(gòu)建嚴(yán)謹(jǐn)?shù)尼t(yī)學(xué)推理過程，為用戶提供全面的疾病分析和個(gè)性化健康管理建議。

為了更好地繁榮AI醫(yī)療生態(tài)，助力醫(yī)療事業(yè)發(fā)展，百川智能還同時(shí)推出了行業(yè)首個(gè)開源醫(yī)療增強(qiáng)大模型Baichuan-M1-14B，其醫(yī)療能力超越了更大參數(shù)量的Qwen2.5-72B，與o1-mini相差無幾。

多項(xiàng)能力超越o1-preview，解鎖醫(yī)療循證模式

作為一個(gè)全場(chǎng)景深度思考模型，Baichuan-M1-preview的能力全面，具備強(qiáng)大的語言推理、視覺推理及搜索推理能力。語言推理方面，其在AIME和Math等數(shù)學(xué)基準(zhǔn)測(cè)試，以及LiveCodeBench代碼任務(wù)上的成績(jī)均超越了o1-preview等模型。

視覺推理方面，在MMMU-val、MathVista等權(quán)威評(píng)測(cè)中的成績(jī)，超越了GPT-4o、Claude3.5 Sonnet、QVQ-72B-Preview等國(guó)內(nèi)外頭部模型。

Baichuan-M1-preview的另一大亮點(diǎn)是解鎖了醫(yī)療循證模式。在面對(duì)復(fù)雜醫(yī)學(xué)問題時(shí)，會(huì)將專業(yè)可靠的醫(yī)療知識(shí)作為推理依據(jù)，幫助用戶做出最佳的醫(yī)療決策。

為實(shí)現(xiàn)這一能力，百川智能自建了涵蓋億級(jí)條目的循證醫(yī)學(xué)知識(shí)庫，囊括了國(guó)內(nèi)外海量醫(yī)學(xué)論文、權(quán)威指南、專家共識(shí)、疾病與癥狀解析、藥品說明等專業(yè)醫(yī)療內(nèi)容，且以天為單位進(jìn)行動(dòng)態(tài)更新，及時(shí)收錄醫(yī)療領(lǐng)域的新突破、新進(jìn)展。

眾所周知，醫(yī)學(xué)知識(shí)多樣性強(qiáng)、因果關(guān)系復(fù)雜。因此，即使構(gòu)建了龐大的醫(yī)療知識(shí)庫，在調(diào)用其中的醫(yī)學(xué)知識(shí)，尤其疊加了互聯(lián)網(wǎng)上搜索到的醫(yī)療信息時(shí)依然會(huì)遇到部分醫(yī)學(xué)數(shù)據(jù)、醫(yī)學(xué)理論不一致的情況。

針對(duì)這一問題，醫(yī)療循證模式能運(yùn)用醫(yī)學(xué)知識(shí)和證據(jù)評(píng)估標(biāo)準(zhǔn)，對(duì)證據(jù)進(jìn)行多層分級(jí)，并對(duì)不同權(quán)威等級(jí)的證據(jù)進(jìn)行專業(yè)分析與整合，精準(zhǔn)識(shí)別各類權(quán)威信息的來源和可信度，從而避免因信息混雜導(dǎo)致的誤判，然后基于這些醫(yī)學(xué)證據(jù)進(jìn)行可靠、準(zhǔn)確的醫(yī)學(xué)推理，最終提供可信賴的醫(yī)療答案。

通過“醫(yī)療循證模式”，Baichuan-M1-preview實(shí)現(xiàn)了從證據(jù)檢索到深度推理的完整端到端服務(wù)，能夠有效地解決醫(yī)療場(chǎng)景中信息過載、不確定性和碎片化等痛點(diǎn)。無論是醫(yī)生面對(duì)復(fù)雜病案，還是患者尋求權(quán)威建議，它都能通過“擺事實(shí)、講道理”的循證方式提供言之有物、有理有據(jù)的解答。不僅能在臨床場(chǎng)景中幫助醫(yī)生提升診療效率，在醫(yī)學(xué)科研場(chǎng)景中大幅縮短科研探索時(shí)間，還能幫助普通用戶更好地理解自身健康狀況，幫助患者科學(xué)管理生活方式，提升治療效果。

行業(yè)首個(gè)開源醫(yī)療增強(qiáng)通用大模型 ，Baichuan-M1-14B醫(yī)療能力超越Qwen2.5-72B

為了推動(dòng)AI技術(shù)在醫(yī)療領(lǐng)域的創(chuàng)新發(fā)展，增強(qiáng)AI醫(yī)療技術(shù)的透明度和可信性，提高醫(yī)療服務(wù)的可及性，繁榮AI醫(yī)療生態(tài)，百川智能還開源了Baichuan-M1-preview的小尺寸版模型Baichuan-M1-14B。

作為行業(yè)首個(gè)開源醫(yī)療增強(qiáng)通用大模型Baichuan-M1-14B的表現(xiàn)非常優(yōu)異，不僅在cmexam、clinicalbench_hos、clinicalbench_hos、erke等權(quán)威醫(yī)學(xué)知識(shí)和臨床能力評(píng)測(cè)上的成績(jī)超越了更大參數(shù)量的Qwen2.5-72B-Instruct，并且與o1-mini也相差無幾。

為了提升Baichuan-M1-14B的醫(yī)療能力，百川智能多管齊下：數(shù)據(jù)構(gòu)建方面，面向細(xì)分醫(yī)療場(chǎng)景，收集了萬億級(jí) token 的嚴(yán)肅醫(yī)療數(shù)據(jù)，涵蓋了千萬級(jí)的中/英文專業(yè)醫(yī)療論文、院內(nèi)真實(shí)中/英文醫(yī)療病例，億級(jí)的醫(yī)療問答、醫(yī)療問診、臨床數(shù)據(jù)等，還對(duì)全網(wǎng)數(shù)據(jù)進(jìn)行了包括醫(yī)療科室、醫(yī)療內(nèi)容以及醫(yī)療價(jià)值在內(nèi)的分類評(píng)估，確保模型能學(xué)習(xí)到有價(jià)值且全面的醫(yī)療知識(shí)。

在此基礎(chǔ)上，百川智能還針對(duì)病例、醫(yī)學(xué)教材、醫(yī)學(xué)指南等不同類別的高質(zhì)量醫(yī)療數(shù)據(jù)生成了超千億 token 的多樣化數(shù)據(jù)，包含了醫(yī)療復(fù)雜決策推理鏈條、決策依據(jù)以及問答對(duì)等多樣化形式。這些合成數(shù)據(jù)擁有豐富的知識(shí)呈現(xiàn)形式以及與醫(yī)生一致的思維過程，進(jìn)一步強(qiáng)化了Baichuan-M1-14B的醫(yī)學(xué)知識(shí)能力和醫(yī)療推理能力。

進(jìn)入到模型訓(xùn)練階段，百川智能運(yùn)用行業(yè)首創(chuàng)的多階段領(lǐng)域提升方案，將整個(gè)訓(xùn)練過程分為通識(shí)提升、醫(yī)療基礎(chǔ)知識(shí)提升、醫(yī)療進(jìn)階知識(shí)提升三個(gè)階段，依次提升模型的基礎(chǔ)語言、高階及疑難病癥應(yīng)對(duì)等能力。此外還在 CoT 訓(xùn)練框架中創(chuàng)新的引入了ELO強(qiáng)化學(xué)習(xí)法，優(yōu)化思維鏈路徑，避免傳統(tǒng)獎(jiǎng)勵(lì)模型偏差，有效提升了模型的生成質(zhì)量與邏輯推理能力。

Baichuan-M1-preview是百川智能在AI醫(yī)療領(lǐng)域的又一次重要突破，為其實(shí)現(xiàn)“造醫(yī)生、改路徑、促醫(yī)學(xué)”的AI醫(yī)療愿景提供了有力支撐。于此同時(shí)，Baichuan-M1-14B開源模型則為中國(guó)AI醫(yī)療健康生態(tài)建設(shè)提供了強(qiáng)大助力。百川智能不僅希望加速AI技術(shù)在醫(yī)療領(lǐng)域的廣泛應(yīng)用，更旨在激發(fā)更多創(chuàng)新力量，共同推動(dòng)中國(guó)醫(yī)療健康生態(tài)的持續(xù)進(jìn)步，助力實(shí)現(xiàn)更公平、更高效的高質(zhì)量醫(yī)療服務(wù)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。