Am 23. Juli meldete, dass der Qwen Health-Modell erfolgreich die schriftliche Prüfung von 12 Kernfächern bei den Chefärzten in China bestanden hat und somit das erste große Modell in China ist, das diese Herausforderung meisterte. Derzeit wurde die Fähigkeit des „Chefarzt-Levels“ vollständig in die AI-Suche von Qwen integriert. Wenn Benutzer gesundheitliche Fragen abfragen, können sie die tiefe Suche auswählen, um sie zu nutzen.
Dies ist ein weiterer Sprung in der Fähigkeit des Qwen Health-Modells, nachdem es im Mai die Prüfung für den Grad eines stellvertretenden Chefarztes bestand. Im Vergleich zwischen spezialisierten und allgemeinen Modellen zeigt sich, dass das Qwen Health-Modell bei höherer Schwierigkeit eine deutlich größere Vorteilsposition aufweist, was seine Leistungsfähigkeit bei komplexen medizinischen Schlussfolgerungen unterstreicht.
Dies legt nahe das enorme Potenzial der Entwicklung spezialisierter Modelle im medizinischen Bereich. Das Qwen Health-Modell basiert auf Qwen und verfolgt einen tiefen Ingenieuransatz für vertikale Szenarien. „Wir trainieren nicht einfach KI, um medizinische Fragen zu beantworten, sondern wir trainieren sie, medizinisches Denken zu erlernen“, sagte Xu Jian, Leiter der Algorithmen des Qwen Health-Modells.
Einer der zentralen Durchbrüche des Qwen Health-Modells ist die Entwicklung einer „langsamen Denkfähigkeit“. Diese Fähigkeit kombiniert kettenartige Schlussfolgerung mit der Modellierung mehrstufiger klinischer Deduktionspfade und ermöglicht es dem Modell, komplexe medizinische Probleme Schritt für Schritt und tiefgründig zu analysieren, um schließlich eine Antwort zu liefern.
Voraussetzung für die Entwicklung der langsamen Denkfähigkeit ist eine hochwertige Trainingsdatenbasis für Schlussfolgerungen. Dazu hat Qwen ein „Doppel-Datenproduktionslinie + Doppel-Belohnungsmechanismus“-System gebaut. Einerseits werden medizinische Daten in „überprüfbar“ und „nicht überprüfbar“ unterteilt, wobei die ersten für Diagnoseaufgaben und die letzteren für Gesundheitsberatungsaufgaben stehen; andererseits wurden „Prozess-Belohnungsmodelle“ und „Ergebnis-Belohnungsmodelle“ in den Trainingsmethoden eingeführt, um jeweils die Rationalität der Schlussfolgerungskette und die Genauigkeit des Endresultats zu bewerten. Dies verbessert signifikant die klinische Erklärbarkeit und die Schlussfolgerungskonsistenz des Modells.
Dieses System beinhaltet auch einen mehrstufigen Verstärkungslernprozess, einschließlich strenger manueller Überprüfung von Kältestart-Daten, mehrstufiger Stichprobenselektion und schrittweise ansteigender Trainingsstrategien sowie Mechanismen zur Erkennung von „Hochpunkt-Manipulationen“, um Betrug zu verhindern. Durch realistische Ärztetiketten und „Frage – Denken – Antwort“-Datensätze wird das Qwen Health-Modell nicht nur mit medizinischem Wissen ausgestattet, sondern lernt auch, Pfadwahl, Beweisintegration und Gleichgewicht bei mehreren Lösungen im medizinischen Denken zu beherrschen. Die zugrunde liegende, autoritative medizinische Wissensdatenbank stellt sicher, dass die Ausgabe des Modells professionell und aktuell ist.
Dr. Xie Jinseng, Chefarzt der Abteilung für Herzchirurgie am Anzhen-Krankenhaus, betonte, dass die Fachkompetenz von Qwen in einigen Fragen sogar besser sei als die von Fachärzten. Hinter diesem Erfolg steht die tiefe Beteiligung eines fachkundigen Arztteams. Derzeit verfügt das Qwen Health-Modell über ein Team von tausend Fachärzten, wobei über 400 davon Stellvertretende Chefarzte oder höher qualifizierte medizinische Experten sind.
Dank seiner Fachkompetenz im medizinischen Bereich zieht die Qwen-AI-Suche eine große Anzahl von Medizinstudenten und Ärzten an. Zhao Cunzhong, Leiter der Qwen Health-Operation, berichtete, dass die Plattform bereits 2 Millionen aktive Nutzer unter Medizinstudenten in ganz China erreicht hat und deren Reichweite über die Hälfte beträgt. Sie verwenden Qwen häufig für die Suche nach Grundlagenwissen, Prüfungsvorbereitung und klinische Unterstützung bei der Diagnose.