蚂蚁百灵开源医疗推理数据集 加速大模型行业应用

12月28日，在上海举办的“虹桥之源”大模型驱动数字经济新生态峰会上，一项聚焦医疗AI领域的重要进展正式公布。蚂蚁集团商业机器智能部总经理顾进杰在会上宣布，正式开源国内首个面向医疗专科的推理数据集。此举旨在精准提升大模型在垂直医疗场景下的专业诊断与逻辑推理能力，为行业提供关键数据基础设施。

蚂蚁集团商业机器智能部总经理顾进杰在会上介绍国内首个医疗专科推理数据集

当前，通用大模型在处理医疗问诊任务时，普遍存在一个显著差异：模型往往倾向于直接输出结论，而真实的临床诊断过程，则是医生基于专业知识进行多轮询问、鉴别与严谨推理的闭环。此外，大模型固有的“幻觉”问题、推理能力不足，以及高质量中文医学专科数据的匮乏，共同构成了训练可靠医疗领域大模型的现实挑战。

为应对这些核心难题，蚂蚁集团与上海仁济医院泌尿科顶尖专家团队展开深度合作。双方紧密结合一线临床经验，通过构建高度仿真的模拟病例数据，共同推出了首个中文医疗专科问答推理数据集——RJUA-QA。这也是业界首个真正基于临床专科实践构建的数据集。

该数据集由训练集、验证集和测试集三部分组成，共包含2132个高质量问答对。每个问答对均源于医生的真实临床经验，完整涵盖患者问题、专家级回答以及支撑推理的关键上下文信息。其病种覆盖范围超过97.6%的泌尿科常见就诊人群，能够高度还原真实诊疗场景。该数据集不仅可用于增强大模型的诊断推理能力，更能作为一个严谨、可控的评测基准，为医疗AI产品的落地与优化提供一把可靠的“标尺”。

借此机会，顾进杰进一步分享了蚂蚁百灵大模型在医疗赛道上的核心技术布局。他认为，专业性、可控性、轻量化是推动大模型与医疗行业深度融合必须跨越的三大核心挑战，同时也孕育着巨大的市场机遇。

专业性：构建多模态知识引擎，开源专科数据集

医疗行业细分领域众多，超百个临床科室各有其独立的知识体系。要让大模型真正“精通专科”，必须在每个垂直领域进行深度优化与调试。为此，蚂蚁集团联合医疗专家研发了多模态医疗知识引擎，并持续推动如RJUA-QA这类专业数据集的构建与开源，为行业提供高质量的基础“数据燃料”。

可控性：知识图谱深度赋能，确保回答“有源可溯”

如何确保大模型输出的内容可靠、可追溯？百灵大模型的核心策略是深度融合知识图谱技术。这使得模型的每一个回答背后都有一条清晰、可验证的知识依据链条。顾进杰指出，生成内容能够灵活适配不同医院、不同科室的定制化需求，包括表述风格与专业调性。蚂蚁在超大规模图学习与知识图谱领域拥有长期技术积累，其联合OpenKG发布的开源项目OpenSPG，重新定义了工业级知识图谱的语义架构。知识检索增强技术正是大幅提升大模型答案准确性、可靠性与可控性的关键所在。

轻量化：实现“小身材大能量”，赋能高效部署

考虑到医疗机构对数据隐私、专业自主性的严格要求，以及实际的算力成本与部署便捷性需求，模型的轻量化至关重要。蚂蚁集团于12月开源的模型轻量化框架（PIA），集成了模型剪枝、压缩、量化、推理加速等全链路优化技术，具备开箱即用、功能无损、低代码接入等特性。据悉，该框架可在数天内完成10倍以上的模型压缩，让“大模型”也能变得小巧、高效且易于集成。

那么，这些技术投入的实际效果如何？从多项公开评测来看，蚂蚁百灵大模型的表现颇具竞争力。目前，其在中英文医学考试及多项权威基准测试中，已达到或超越了GPT-4的水平。例如，在中文医疗大模型权威评测榜单PromptCBLUE上，取得了A榜第一、B榜第二的成绩；在国际医疗问答榜单PubMedQA中，以80.6%的准确率跻身全球前五，并且是前十名中参数量最小的模型——这意味着它在保持高精度诊断能力的同时，具备了更优的易用性与部署性价比，更贴合医疗机构的实际应用需求。