MedChatZH: a Better Medical Adviser Learns from Better Instructions
この研究の学術的背景と核心となる「問い」は、大きな言語モデル（LLMs）が特殊な領域、例えば伝統的な中国の医療問答では、特定の領域のデータセットで調整をしていなければ不十分なパフォーマンスを発揮することが問題点となっています。
この研究の目的は、LLMsの洗練度を高めるための方法論を提供し、特に中国の伝統医療に関する問答の領域でそれを適用することです。その学術的な独自性と創造性は、伝統的な中国の医学書を元に事前学習を行い、厳選された医療指導のデータセットで微調整を行う特定のモデル、「MedChatZH」を望んだ点にあります。
関連する研究動向としては、LLMsがさまざまなアプリケーションで成功を収めており、具体的には質問応答システムや対話システムでその価値を示しています。ですが、これらのモデルが特殊な分野で思うような結果を出せないという問題がありました。この問題を解決するために開発されたのが本研究で提案するモデルです。
本研究では、「MedChatZH」という、伝統的な中国の医療の問答に特化したモデルを提案しました。このモデルは中国の伝統的な医学書に基づいて事前学習を行い、厳選された医療指導データセットで微調整を行います。
「MedChatZH」の有効性は、実際の医療対話のデータセットを使用し、いくつかの強固な基準との比較で評価されました。その結果「MedChatZH」はこれらの基準を上回る性能を発揮しました。